Pelatihan Associate Data Science Bersama Dosen Universitas Negeri Jember

Peserta

Universitas Jember

Periode

18-20 November 2025

Skema

Associate Data Science

Sektor

Pendidikan

Pelaksanaan

Online

Latar Belakang

Riset dan pengajaran di perguruan tinggi kini semakin bertumpu pada kemampuan mengolah data secara sistematis untuk menghasilkan temuan yang valid dan dapat dipertanggungjawabkan. Namun kompetensi data science mulai dari eksplorasi data, penerapan algoritma machine learning, hingga interpretasi hasil model belum menjadi keahlian yang merata dimiliki oleh dosen lintas bidang keilmuan, meski kebutuhan akan analisis berbasis data terus meningkat baik untuk publikasi ilmiah maupun pengambilan keputusan akademik.

Untuk menjawab kebutuhan ini, kami menghadirkan Pelatihan Associate Data Science secara online yang dirancang berbasis metodologi CRISP-DM (Cross-Industry Standard Process for Data Mining), standar industri yang telah teruji untuk memandu proses analisis data secara terstruktur

Tentang Peserta

Universitas Negeri Jember (UNEJ) merupakan salah satu perguruan tinggi negeri yang secara aktif mendorong penguatan kompetensi digital bagi para dosennya guna mendukung kegiatan riset, publikasi, dan pengajaran. Pelatihan ini diikuti oleh dosen UNEJ lintas program studi dengan ketertarikan mengembangkan kemampuan analisis data dan penerapan machine learning dalam pekerjaan akademik masing-masing, meski sebagian besar belum memiliki latar belakang teknis di bidang data science.

Tantangan

Sebagai penyelenggara, tantangan utama kami adalah menyampaikan konsep statistik dan algoritma machine learning kepada dosen lintas rumpun ilmu dari sains, sosial, hingga humaniora dengan tingkat familiaritas yang beragam terhadap dunia data, tanpa mengorbankan kedalaman substansi materi. Algoritma supervised dan unsupervised learning perlu disederhanakan agar tetap dapat dicerna peserta dengan latar non-teknis, namun tanpa membuat materi terasa dangkal bagi peserta yang sudah cukup familiar dengan statistik, sementara pemilihan studi kasus harus cukup netral agar relevan dipraktikkan oleh dosen dari berbagai disiplin ilmu sekaligus

Solusi

Pelatihan dirancang secara intensif selama tiga hari secara online dengan alur yang mengikuti kerangka kerja CRISP-DM secara utuh. Dimulai dari konsep dasar data science, data mining, dan machine learning, dilanjutkan dengan pemahaman bisnis dan data serta eksplorasi dan pembersihan data (EDA). Peserta kemudian dibimbing mempraktikkan berbagai algoritma supervised learning (klasifikasi, regresi, dan peramalan) serta unsupervised learning (klastering, association rule mining, dan dimensionality reduction), sebelum diakhiri dengan studi kasus proyek data science secara menyeluruh sebagai simulasi penerapan nyata dari seluruh materi yang telah dipelajari.

Dokumentasi

Materi

Pengantar Data Science, CRISP-DM Framework, Data Mining, dan Machine Learning
Business and Data Understanding
Menelaah Data (Exploratory Data Analysis/EDA)
Memvalidasi dan Membersihkan Data
Konsep Dasar Machine Learning
Supervised Learning: Klasifikasi
Supervised Learning: Regresi
Supervised Learning: Peramalan
Unsupervised Learning: Klastering
Unsupervised Learning: Association Rule Mining
Unsupervised Learning: Dimensionality Reduction
Studi Kasus: Proyek Data Science

Benefit yang didapat

Modul materi pelatihan
Sertifikat kepesertaan
Memahami konsep data science, data mining, machine learning, dan kerangka kerja CRISP-DM sebagai fondasi analisis data yang terstruktur
Mampu memahami kebutuhan bisnis dan karakteristik data sebelum melakukan analisis lebih lanjut
Mampu melakukan eksplorasi data secara statistik dan visual (EDA) untuk mengungkap pola awal dalam data
Mampu membangun model regresi untuk memprediksi nilai numerik
Mampu membangun model peramalan (forecasting)
Mampu menerapkan algoritma klastering untuk mengelompokkan data berdasarkan kemiripan karakteristik

Colaborator

AMD Academy

PT Arkatama

Universitas Jember