Data Scientist

Unit Kompetensi

• J.62DMI00.001.1
  Menentukan Objektif Bisnis
  • Menentukan permasalahan bisnis dan poin-poin objektif bisnis proyek data science dari sisi pengguna akhir
    • Latar belakang dan permasalahan bisnis untuk proyek data science diidentifikasi sesuai dengan prosedur bisnis yang berlaku.
    • Poin-poin objektif bisnis diidentifikasi sesuai dengan permasalahan yang telah dipilih dan sesuai dengan kebutuhan organisasi.
    • Poin-poin metrik kesuksesan dibuat sesuai objektif bisnis.
    • Permasalahan bisnis, poin-poin objektif bisnis dan metrik kesuksesan proyek data science ditetapkan sesuai kebutuhan pengguna.
  • Membuat daftar terminologi, sumber daya, kebutuhan, asumsi dan batasan
    • Daftar terminologi, sumber daya, kebutuhan, asumsi dan batasan proyek diidentifikasi.
    • Persetujuan atas kebutuhan, asumsi dan batasan proyek diperoleh dari pengguna.
  • Mengidentifikasi risiko dan alternatif pelaksanaan
    • Daftar risiko dalam pelaksanaan proyek diidentifikasi.
    • Beberapa rencana mitigasi risiko diidentifikasi sesuai dengan daftar risiko.
    • Persetujuan atas risiko dan rencana mitigasi risiko diperoleh dari pengguna.
  • Menentukan biaya dan keuntungan
    • Komponen biaya dan besaran biaya pelaksanaan proyek diidentifikasi sesuai dengan objektif bisnis.
    • Keuntungan pelaksanaan proyek diidentifikasi sesuai dengan objektif bisnis.
    • Biaya dan keuntungan pelaksanaan proyek dikomunikasikan dan disetujui oleh pengguna.
• J.62DMI00.002.1
  Menentukan Tujuan Teknis Data Science
  • Menyusun tujuan teknis data science
    • Task data science ditentukan sesuai dengan objektif bisnis.
    • Tujuan teknis pelaksanaan proyek data science diidentifikasi sesuai objektif bisnis.
  • Menentukan kriteria kesuksesan tujuan teknis proyek data science
    • Daftar dan parameter kriteria kesukseskan proyek diidentifikasi sesuai dengan tujuan teknis.
    • Kriteria yang teridentifikasi disetujui oleh pengguna sesuai dengan objektif bisnis.
• J.62DMI00.005.1
  Menelaah Data
  • Menganalisis tipe dan relasi data
    • Tipe data yang terkumpul diidentifikasi sesuai tujuan teknis
    • Nilai atribut data yang terkumpul diuraikan sesuai dengan batasan konteks bisnisnya
    • Relasi antar data yang terkumpul diidentifikasi sesuai dengan tujuan teknis
  • Menganalisis karakteristik data
    • Karakteristik data yang terkumpul disajikan dengan deskripsi statistik dasar
    • Karakteristik data yang terkumpul disajikan dengan visualisasi grafik
    • Hasil penyajian data dianalisis karakteristiknya untuk telaah data
  • Membuat laporan telaah data
    • Hasil analisis didokumentasikan dalam bentuk laporan sesuai dengan tujuan teknis
    • Hipotesis disusun berdasar hasil analisis sesuai tujuan teknis data science
• J.62DMI00.006.1
  Memvalidasi Data
  • Melakukan pengecekan kelengkapan data
    • Penilaian kualitas data dari hasil telaah disajikan sesuai tujuan teknis data science.
    • Penilaian tingkat kecukupan data dari hasil telaah disajikan sesuai tujuan teknis data science.
  • Membuat rekomendasi kelengkapan data
    • Rekomendasi hasil penilaian kualitas disusun sesuai tujuan teknis data science
    • Rekomendasi hasil penilaian kecukupan data disusun sesuai tujuan teknis data science.
• J.62DMI00.007.1
  Menentukan Objek Data
  • Memutuskan kriteria dan teknik pemilihan data
    • Kriteria pemilihan data diidentifikasi sesuai dengan tujuan teknis dan aturan yang berlaku
    • Teknik pemilihan data ditetapkan sesuai dengan kriteria pemilihan data.
  • Menentukan attributes (columns) dan records (row) data
    • Attributes (columns) data diidentifikasi sesuai dengan kriteria pemilihan data.
    • Records (row) data diidentifikasi sesuai dengan kriteria pemilihan data.
• J.62DMI00.008.1
  Membersihkan Data
  • Melakukan pembersihan data yang kotor
    • Strategi pembersihan data ditentukan berdasarkan hasil telaah data.
    • Data yang kotor dikoreksi berdasarkan strategi pembersihan data.
  • Membuat laporan dan rekomendasi hasil membersihkan data
    • Masalah dan teknis koreksi data dideskripsikan sesuai dengan kondisi data dan strategi pembersihan data.
    • Evaluasi dihasilkan berdasarkan analisis koreksi yang telah dilakukan.
    • Evaluasi proses dan hasilnya didokumentasikan.
• J.62DMI00.009.1
  Mengkonstruksi Data
  • Menganalisis teknik transformasi data
    • Analisis data untuk menentukan representasi fitur data awal.
    • Analisis representasi fitur data awal untuk menentukan teknik rekayasa fitur yang diperlukan untuk pembangunan model data science.
  • Melakukan transformasi data
    • Transformasi dilakukan untuk mendapatkan fitur data awal.
    • Rekayasa fitur data dilakukan untuk mendapatkan fitur baru yang diperlukan untuk pembangunan model data science.
  • Membuat dokumentasi konstruksi data
    • Teknis transformasi data dijabarkan dalam bentuk tertulis.
    • Hasil transformasi data dan rekomendasi hasil transformasi dituangkan dalam bentuk tertulis.
• J.62DMI00.012.1
  Membangun Skenario Model
  • Mengidentifikasi teknik pemodelan
    • Asumsi-asumsi spesifik mengenai data diidentifikasi sesuai karakteristik data.
    • Teknik-teknik pemodelan data diidentifikasi sesuai karakteristik data dan tujuan teknis data science.
  • Menentukan teknik pemodelan yang sesuai dengan karakteristik data dan tujuan teknis data science
    • Teknik pemodelan yang sesuai dengan karakteristik data ditentukan.
    • Deskripsi teknik pemodelan yang dipilih didokumentasikan sesuai SOP yang berlaku.
  • Menyiapkan skenario pengujian
    • Skenario uji yang mungkin diterapkan ditentukan sesuai tujuan teknis.
    • Metrik evaluasi pengujian diidentifikasi sesuai skenario uji.
    • Skenario uji yang dipilih didokumentasikan sesuai standar yang berlaku.
• J.62DMI00.013.1
  Membangun Model
  • Menyiapkan parameter model
    • Parameter-parameter yang sesuai dengan model diidentifikasi.
    • Nilai toleransi parameter evaluasi pengujian ditetapkan sesuai dengan tujuan teknis.
  • Menggunakan tools pemodelan
    • Tools untuk membuat model diidentifikasi sesuai dengan tujuan teknis data science.
    • Algoritma untuk teknik pemodelan yang ditentukan dibangun menggunakan tools yang dipilih.
    • Algoritma pemodelan dieksekusi sesuai dengan skenario pengujian dan tools untuk membuat model yang telah ditetapkan.
    • Parameter model algoritma dioptimasi untuk menghasilkan nilai parameter evaluasi yang sesuai dengan skenario pengujian.
• J.62DMI00.014.1
  Mengevaluasi Hasil Pemodelan
  • Menggunakan model dengan data riil
    • Data baru untuk evaluasi pemodelan dikumpulkan sesuai kebutuhan yang mengacu kepada parameter evaluasi.
    • Model diuji dengan menggunakan data riil yang telah dikumpulkan.
  • Menilai hasil pemodelan
    • Keluaran pengujian model dinilai berdasarkan metrik kesuksesan.
    • Hasil penilaian didokumentasikan sesuai standar yang berlaku.
• J.62DMI00.015.1
  Melakukan Proses Review Pemodelan
  • Menilai kesesuaian proses pemodelan
    • Proses pemodelan diperiksa kesesuaiannya berdasarkan tahapan yang ditentukan.
    • Tindak lanjut yang perlu diambil ditentukan berdasarkan hasil pengujian model hasil pemeriksaan kesesuaian.
  • Menilai kualitas proses pemodelan
    • Proses pemodelan dinilai berdasarkan rencana pelaksanaan proyek.
    • Hasil penilaian didokumentasikan sesuai standard yang berlaku.