
Training Data Modelling & Visualization with Python
Training Data Modelling & Visualization with Python ini membekali peserta dengan keterampilan mengolah, menganalisis, dan memvisualisasikan data menggunakan Python. Peserta belajar menggunakan NumPy untuk operasi numerik, pandas untuk menyiapkan dan merangkum data, serta Seaborn untuk menampilkan distribusi, perbandingan, dan hubungan antarvariabel.
Pada akhir pelatihan, peserta mengerjakan proyek analisis data sederhana dan mengikuti pengenalan machine learning untuk memahami bagaimana data yang telah disiapkan dapat digunakan dalam model prediksi.
Sasaran Pelatihan
- Mengolah data numerik menggunakan array NumPy.
- Membaca, menyeleksi, dan menggabungkan data dari berkas teks, tabel HTML, dan Microsoft Excel.
- Menangani data kosong, menyeragamkan kategori, dan mengidentifikasi nilai ekstrem.
- Merangkum data menggunakan pengelompokan, agregasi, dan tabulasi silang.
- Memilih dan membuat visualisasi sesuai pertanyaan analisis.
- Menyampaikan temuan berdasarkan data serta memahami alur dasar pembuatan dan evaluasi model prediksi.
Garis Besar Program
Hari 1 — Dasar Python untuk Pengolahan dan Penyiapan Data
1. Pengolahan Data Numerik dengan NumPy
- Membuat array satu dan dua dimensi serta memahami bentuk, ukuran, dan tipe datanya.
- Mengakses dan mengambil bagian array dengan indexing dan slicing.
- Melakukan transposisi array untuk menukar posisi baris dan kolom.
- Melakukan operasi numerik, perhitungan statistik dasar, dan agregasi berdasarkan sumbu array.
2. Pengenalan pandas: Series dan DataFrame
- Mengenal struktur Series dan DataFrame.
- Memilih baris dan kolom berdasarkan label, posisi, atau kondisi tertentu.
- Memahami penyelarasan data berdasarkan indeks saat menggabungkan atau menghitung data.
- Mengurutkan data dan memberi peringkat berdasarkan nilai tertentu.
- Mengidentifikasi dan menangani data kosong.
- Mengenal indeks bertingkat (MultiIndex) untuk data dengan beberapa level kategori.
3. Membaca, Menggabungkan, dan Membersihkan Data
- Membaca dan menulis berkas teks seperti CSV dan TSV.
- Membaca tabel dari halaman HTML dan mengolah berkas Microsoft Excel.
- Menggabungkan DataFrame menggunakan
concat,merge, danjoin. - Memetakan kategori dan mengganti nilai menggunakan
mapdanreplace. - Mengelompokkan nilai numerik ke dalam interval (binning).
- Mengidentifikasi nilai ekstrem (outlier) serta menilai apakah nilai tersebut perlu dipertahankan, diperiksa, atau dikoreksi.
- Mengacak urutan data menggunakan permutasi untuk latihan pengambilan sampel.
Praktik Hari 1: Menggabungkan data transaksi dan data produk, menyeragamkan kategori, serta menyiapkan dataset yang siap dianalisis.
Hari 2 — Analisis, Visualisasi, dan Pengenalan Machine Learning
4. Pengelompokan dan Peringkasan Data
- Menggunakan
groupbypada DataFrame dan Series, termasuk pengelompokan berdasarkan pemetaan kategori dengan dictionary. - Menerapkan pendekatan split–apply–combine: membagi data ke dalam kelompok, menjalankan perhitungan, dan menggabungkan hasilnya.
- Menghitung jumlah, rata-rata, frekuensi, dan ukuran ringkasan lainnya per kelompok.
- Membuat tabulasi silang dengan
crosstabuntuk membandingkan distribusi antar kategori.
5. Visualisasi Data dengan Seaborn
- Menyiapkan Seaborn dan mengatur tema, warna, judul, label, serta legenda.
- Membuat histogram untuk melihat distribusi data.
- Menggunakan box plot dan violin plot untuk membandingkan sebaran antar kelompok.
- Menggunakan regression plot untuk mengeksplorasi hubungan antarvariabel numerik.
- Membuat heatmap dan clustermap untuk melihat pola dalam matriks data atau korelasi.
- Menggabungkan beberapa jenis grafik, misalnya box plot dengan titik data individual untuk memperlihatkan ringkasan dan sebaran sekaligus.
6. Proyek Praktik: Analisis dan Visualisasi Data Bisnis
- Merumuskan pertanyaan bisnis dari dataset latihan.
- Merangkum penjualan menurut kategori produk, periode, atau wilayah.
- Memilih grafik yang sesuai dengan pertanyaan analisis.
- Menyusun temuan utama, menjelaskan keterbatasan data, dan mengusulkan tindak lanjut.
7. Pengenalan Machine Learning
- Memahami perbedaan analisis deskriptif dan prediksi.
- Mengenal fitur, variabel target, serta pembagian data latih dan data uji.
- Mengikuti demonstrasi model regresi linear sederhana dengan scikit-learn.
- Membandingkan nilai prediksi dengan nilai aktual dan membaca kesalahan prediksi dasar.
Metode TrainingÂ
- Online Training
- Offline Training
Target Peserta TrainingÂ
- Data analyst pemula, business analyst, staf reporting, serta profesional di bidang keuangan, pemasaran, operasional, dan SDM yang ingin menggunakan Python untuk analisis data. Peserta disarankan sudah mengenal variabel, tipe data, dan sintaks dasar Python.
Trainer Leadership
-
Andika Bayu Saputra, S. Kom., M. Kom
Jadwal Public Training
Program Public Training diselenggarakan secara berkala. Jadwal training dapat dipilih berdasarkan kalender Public Training Johnson Indonesia dan dikonfirmasikan kembali kepada peserta sebelum pelaksanaan.
Jadwal Training:
| 12-13 Januari 2027 | 14-15 Juli 2027 |
| 05–06 Februari 2027 | 06-07 Agustus 2027 |
| 10–11 Maret 2027 | 01-02 September 2027 |
| 06–07 April 2027 | 14-15 Oktober 2027 |
| 18–19 Mei 2027 | 18-19 November 2026 |
| 08–09 Juni 2027 | 16-17 Desember 2026 |
Note: Permintaan Training Khusus (Materi, Jadwal & Lokasi Khusus) & Fixed Running – Hubungi Call / WhatsApp:Â 0815972 5020Â
Lokasi TrainingÂ
Training dapat diselenggarakan secara offline di Jakarta, Johnson Training Center, hotel, lokasi perusahaan, maupun berbagai kota di Indonesia berdasarkan kebutuhan peserta dan perusahaan. Program juga tersedia dalam format Online Training.
- Alternatif Hotel: Ciputra Hotel, Ibis Group, Hotel Oria Jakarta, Hotel Holiday Inn, dll (Lokasi Dapat By Request)
- Lokasi Private Training: Johnson Training Center (Komp. Daan Mogot Baru 3A/10 Jakarta Barat)
Kepastian Lokasi Training akan kami konfirmasi Kembali Kepada Peserta Training
Investasi TrainingÂ
- Offline Training Jakarta: Rp5.950.000/orang untuk 2 hari dengan minimal 3 peserta. Fasilitas meliputi seminar kit, certificate, lunch, snack dan souvenir.
- Offline Training Luar Jakarta: Rp12.000.000/orang untuk pasti running; Rp8.500.000/orang untuk 1–5 peserta; dan Rp8.000.000/orang untuk lebih dari 5 peserta.
- Private Onsite Training: Rp8.000.000/orang untuk 2 hari atau Rp5.950.000/orang untuk 1 hari di Johnson Training Center.
- Online Training: Rp5.500.000/orang untuk 2 hari, pukul 09.00–16.00 WIB.
In-House Training
Johnson Indonesia menyediakan In-House Training bagi perusahaan yang membutuhkan program pengembangan Supervisor, Manager, dan Leader secara khusus. Materi, studi kasus, jadwal, jumlah peserta, serta lokasi training dapat disesuaikan dengan kebutuhan dan kondisi organisasi.
