✉️ Dari Om Ican, Untuk Abbas

Abbas, ini bukan sekadar kursus.
Ini adalah investasi hidupmu.

Om Ican bikin panduan ini buat Abbas karena Om Ican percaya — data adalah skill yang tidak akan pernah usang. Dunia terus berubah, tapi kebutuhan untuk memahami data, membaca pola, dan mengambil keputusan berbasis fakta akan selalu ada, di industri apapun, di kota manapun, di zaman apapun.

Om Ican punya harapan sederhana: ketika Abbas sudah dewasa dan harus berjalan sendiri, ketika dunia kerja terasa berat, ketika lingkungan berubah, ketika semua orang tidak selalu ada, skill data ini yang akan menemani Abbas setiap hari. Abbas bisa kerja remote dari mana saja. Abbas bisa freelance. Abbas bisa bikin sesuatu dari data yang orang lain tidak lihat. Skill ini bukan cuma resume, ini penyambung hidup.

Satu tahun ini mungkin terasa panjang dan kadang membosankan. Tapi setiap notebook yang Abbas selesaikan, setiap grafik yang Abbas buat, setiap query SQL yang berhasil, itu bata yang membangun fondasi. Dan fondasi yang kuat tidak bisa diambil dari Abbas oleh siapapun. Mulai dari Bulan 1. Konsisten. Om Ican percaya Abbas bisa.

— Om Ican  ·  Juni 2025
Persiapan Abbas · Kelas 11 SMA · 2025–2026

Persiapan Jadi
Data Analyst

Panduan 1 tahun yang dibuat khusus untuk Abbas. Dari nol sampai siap kuliah dengan portfolio nyata: Python, SQL, Statistik, Visualisasi, Machine Learning.

📅 12 Bulan Materi 📁 6 Proyek Portfolio 🔬 6 Simulasi Interaktif 📆 48 Minggu Latihan
Mulai dari Bulan 1 → Lihat Proyek Pertama
🤖
Panduan Khusus Abbas — Baca ini duluan
Cara Pakai AI untuk Belajar 3x Lebih Cepat
Template prompt siap pakai · Jalur ke AI Engineer · Rutinitas harian dengan ChatGPT, Claude & Gemini
→
Tentang Program

Program ini dirancang untuk Abbas yang ingin mempersiapkan diri jadi Data Analyst atau Data Scientist sebelum masuk kuliah. Kurikulum disusun secara bertahap — mulai dari fondasi Python dan matematika dasar, hingga machine learning dan membangun portfolio yang bisa ditunjukkan ke kampus atau perusahaan. Tidak perlu pengalaman coding sebelumnya. Cukup konsistensi dan rasa ingin tahu.

Dengan target 5–7 jam/minggu saat sekolah dan 8–10 jam/minggu saat libur, Abbas akan membangun fondasi yang kuat dalam Python, SQL, statistik, visualisasi data, dan machine learning dasar. Di akhir program, Abbas akan punya 6 proyek nyata yang siap masuk CV, sebuah capstone project mandiri, dan kemampuan berpikir berbasis data yang akan membedakanmu dari teman-teman sebaya.

Roadmap 6 Fase

Alur Belajar Setahun

Setiap fase membangun di atas fase sebelumnya. Jangan skip — setiap bagian penting.

Fase 1 Bulan 1–2
Python Dasar + Statistik Deskriptif
Variabel, loop, fungsi, list/dict. Mean, median, modus, distribusi. Tools: Python, Jupyter.
Fase 2 Bulan 3–4
Spreadsheet + SQL + Data Cleaning
Google Sheets lanjutan, query SQL dasar hingga intermediate, menangani data kotor dan missing values.
Fase 3 Bulan 5–6
Pandas + Visualisasi + Storytelling
Manipulasi data dengan Pandas, membuat grafik dengan Matplotlib/Seaborn, bercerita dengan data.
Fase 4 Bulan 7–8
Statistik Inferensial + Survey
Uji hipotesis, confidence interval, korelasi, regresi linear, dan metodologi survei sederhana.
Fase 5 Bulan 9–10
Machine Learning Dasar
Supervised learning (klasifikasi, regresi), clustering, evaluasi model, dan scikit-learn pertama Abbas.
Fase 6 Bulan 11–12
Dashboard + Portfolio + Capstone
Looker Studio / Tableau Public, deploy hasil kerja, capstone project mandiri, dan presentasi portfolio.
Cara Belajar

Jadwal Mingguan yang Realistis

Dirancang agar cocok dengan jadwal sekolah. Konsistensi lebih penting dari intensitas.

Hari Durasi Aktivitas
Senin 60 menit Belajar konsep baru — tonton video, baca materi, catat poin penting
Rabu 60–90 menit Latihan coding / SQL — langsung praktik di Jupyter atau SQLite
Jumat 60 menit Review materi minggu ini + kerjakan soal latihan
Sabtu / Minggu 2–3 jam Proyek mingguan — eksplorasi dataset, bangun sesuatu yang nyata
Kurikulum

12 Bulan Materi

Klik bulan manapun untuk masuk ke materi lengkap, latihan, dan proyek mingguannya.

Bulan 01 Fase 1
Python Dasar I — Fondasi Coding
Install Python, Jupyter, logika variabel, kondisi, dan loop. Ini titik mulai segalanya.
Python Jupyter Variabel Loop
Bulan 02 Fase 1
Python Dasar II + Statistik Deskriptif
Fungsi, list, dict, dan mulai berkenalan dengan statistik: mean, median, modus, distribusi.
Fungsi List/Dict Statistik Distribusi
Bulan 03 Fase 2
Spreadsheet Lanjutan + Google Sheets
VLOOKUP, pivot table, formula lanjutan. Spreadsheet tetap jadi alat kerja utama analis data.
Google Sheets Pivot Table VLOOKUP
Bulan 04 Fase 2
SQL Dasar + Data Cleaning
SELECT, WHERE, JOIN, GROUP BY. Teknik membersihkan data kotor yang selalu ditemui di dunia nyata.
SQL JOIN Data Cleaning Missing Values
Bulan 05 Fase 3
Pandas — Manipulasi Data
DataFrame, filtering, groupby, merge, dan transformasi data. Ini tools inti seorang data analyst.
Pandas DataFrame GroupBy Merge
Bulan 06 Fase 3
Visualisasi + Data Storytelling
Matplotlib, Seaborn, Plotly. Cara membuat grafik yang komunikatif dan menyampaikan insight dengan jelas.
Matplotlib Seaborn Storytelling EDA
Bulan 07 Fase 4
Statistik Inferensial
Uji hipotesis, t-test, chi-square, p-value, confidence interval. Dari data sampel ke kesimpulan populasi.
Hipotesis t-test p-value CI
Bulan 08 Fase 4
Korelasi, Regresi + Survei
Regresi linear, korelasi Pearson, interpretasi model. Desain survei dasar dan analisis hasil kuesioner.
Regresi Korelasi Survei Kuesioner
Bulan 09 Fase 5
Machine Learning I — Supervised
Klasifikasi (Decision Tree, KNN), evaluasi model (akurasi, precision, recall). Scikit-learn pertama Abbas.
Scikit-learn Klasifikasi Decision Tree KNN
Bulan 10 Fase 5
Machine Learning II — Clustering + Evaluasi
K-Means clustering, unsupervised learning, evaluasi model lanjutan, dan cross-validation.
K-Means Clustering Cross-val Overfitting
Bulan 11 Fase 6
Dashboard + Deployment
Looker Studio, Tableau Public, atau Streamlit. Buat dashboard interaktif yang bisa diakses publik.
Looker Studio Tableau Streamlit Deploy
Bulan 12 Fase 6
Capstone Project + Portfolio Final
Proyek mandiri dari nol: pilih topik, kumpul data, analisis, buat laporan, dan presentasikan.
Capstone Portfolio Presentasi GitHub
Portfolio

6 Proyek Nyata yang Abbas Bangun

Setiap proyek dibangun dari data sungguhan. Di akhir tahun, ini yang masuk CV Abbas.

📊
Proyek 1 · Bulan 2
Analisis Nilai Sekolah

Analisis distribusi nilai mata pelajaran di sekolah. Temukan pola, outlier, dan buat rekomendasi berbasis data sederhana. Dataset: nilai Abbas sendiri + teman.

Python Statistik Deskriptif Visualisasi
🛒
Proyek 2 · Bulan 4
Data Penjualan Kantin

Analisis data penjualan kantin sekolah menggunakan SQL dan Spreadsheet. Temukan menu terlaris, jam sibuk, dan tren pendapatan mingguan.

SQL Google Sheets Data Cleaning
🇮🇩
Proyek 3 · Bulan 6
Data Publik Indonesia

Eksplorasi dataset dari BPS atau data.go.id. Analisis EDA lengkap dengan Pandas dan buat laporan visual yang bercerita tentang satu isu sosial-ekonomi Indonesia.

Pandas EDA Seaborn BPS Data
📋
Proyek 4 · Bulan 8
Mini Survey Research

Desain survei, kumpulkan responden nyata, lakukan uji hipotesis, dan sajikan hasilnya dalam laporan singkat seperti paper penelitian. Topik: bebas, pilih yang Abbas minati.

Survei Uji Hipotesis Regresi
🤖
Proyek 5 · Bulan 10
ML Prediction Project

Bangun model machine learning untuk memprediksi sesuatu yang relevan: nilai kelulusan, cuaca, atau kelompok produk. Evaluasi dan dokumentasikan model Abbas di Jupyter Notebook.

Scikit-learn Klasifikasi Evaluasi Model
🏆
Proyek 6 · Bulan 12
Capstone Project

Proyek mandiri bebas topik. Dari pengumpulan data, EDA, analisis statistik, model ML (opsional), hingga dashboard dan presentasi final. Ini karya terbaik Abbas untuk kuliah dan karier.

End-to-End Dashboard GitHub Presentasi
Self-Assessment

Checklist Portfolio Akhir — Abbas Siap Jika Bisa Centang Ini Semua

  • Bisa menulis dan menjalankan script Python dasar tanpa bantuan
  • Bisa membersihkan dataset "kotor" (missing values, duplikat, format salah) secara mandiri
  • Bisa menulis query SQL: SELECT, WHERE, GROUP BY, JOIN di database nyata
  • Bisa membuat EDA lengkap menggunakan Pandas dan menghasilkan insight bermakna
  • Bisa membuat minimal 4 jenis visualisasi yang tepat sesuai tipe data
  • Bisa menjelaskan apa itu uji hipotesis dan kapan menggunakannya
  • Bisa menginterpretasikan hasil regresi linear secara verbal (bukan hanya angka)
  • Pernah menjalankan minimal 1 model machine learning dari awal hingga evaluasi
  • Bisa membuat dashboard interaktif yang bisa diakses orang lain secara online
  • Punya minimal 1 proyek yang di-upload ke GitHub dengan README yang jelas
  • Bisa mempresentasikan analisis data selama 10 menit tanpa membaca catatan
  • Punya portofolio online (GitHub Pages, Notion, atau website) berisi semua proyek
  • Selesaikan Capstone Project dari nol secara mandiri dalam topik yang Abbas pilih sendiri
Referensi

Sumber Belajar Tambahan

Gunakan sumber ini sebagai pelengkap. Semuanya gratis atau ada jalur beasiswanya.

🏅
Kaggle Learn
Kursus gratis Python, Pandas, SQL, ML, dan visualisasi. Ada sertifikat dan komunitas data scientist dari seluruh dunia. Wajib punya akun dari Bulan 1.
Buka Kaggle Learn →
🎓
IPB — Statistika dan Sains Data
Program S1 Statistika dan Sains Data IPB, salah satu yang terbaik di Indonesia. Pelajari kurikulumnya agar persiapan Abbas selaras dengan ekspektasi kampus.
Lihat Program IPB →
📜
IBM Data Analyst Certificate
Sertifikasi profesional dari IBM di Coursera. Ada financial aid (gratis) untuk pelajar. Target selesaikan ini di Bulan 10–12 sebagai bukti kompetensi internasional.
Lihat di Coursera →
💡 Ingat selalu

Dari semua orang yang bilang "aku mau belajar data science", lebih dari 90% berhenti di bulan pertama. Kalau Abbas masih ada di sini di Bulan 3, Abbas sudah ada di top 10% yang paling konsisten. Kalau selesai sampai Bulan 12 dengan portfolio penuh — Abbas masuk kuliah dengan kepercayaan diri yang tidak dimiliki hampir semua mahasiswa baru. Itu modal hidup yang tidak ternilai.