Saat melihat halaman program sertifikasi, Anda mungkin menemukan daftar kode seperti J.62DMS00.001.1, J.62DMI00.004.1, atau M.70BDA00.013.1. Bagi sebagian calon peserta, deretan kode tersebut terlihat seperti informasi administratif yang sulit dipahami.
Padahal, setiap kode mewakili unit kompetensi dengan elemen dan kriteria unjuk kerja yang menjadi dasar penilaian dalam uji kompetensi.
Asesor tidak sekadar menilai apakah seseorang memiliki kemampuan sebagai Data Analyst secara umum. Penilaian dilakukan berdasarkan kompetensi spesifik yang tercantum dalam setiap unit.
Artikel ini membahas 7 unit kompetensi dalam skema Data Analyst, apa yang perlu dipahami dari setiap unit, serta contoh bukti yang dapat membantu menunjukkan kompetensi Anda saat uji.
Ikhtisar 7 Unit Kompetensi Data Analyst
| No. | Kode Unit | Judul Unit | Asal SKKNI |
|---|---|---|---|
| 1 | J.62DMS00.001.1 | Mengidentifikasi Kebutuhan Pengelolaan Data untuk Proses Bisnis | Kepmenaker 268/2020 |
| 2 | J.62DMI00.004.1 | Mengumpulkan Data | Kepmenaker 299/2020 |
| 3 | J.62DMI00.005.1 | Menelaah Data | Kepmenaker 299/2020 |
| 4 | J.62DMI00.006.1 | Memvalidasi Data | Kepmenaker 299/2020 |
| 5 | J.62DMI00.007.1 | Menentukan Objek Data | Kepmenaker 299/2020 |
| 6 | J.62DMS00.015.1 | Membuat Business Intelligence | Kepmenaker 268/2020 |
| 7 | M.70BDA00.013.1 | Menyusun Laporan Hasil Analisis | Kepmenaker 200/2021 |
Jika dibaca secara berurutan, ketujuh unit tersebut membentuk satu siklus kerja analisis data:
Memahami kebutuhan bisnis → Mengumpulkan data → Menelaah data → Memvalidasi data → Memilih data yang relevan → Menyajikan informasi → Melaporkan hasil analisis
Dengan memahami alur ini, persiapan uji kompetensi menjadi lebih terarah. Anda tidak hanya berfokus membuat dashboard atau menguasai tools tertentu, tetapi juga memahami proses analisis secara menyeluruh.
1. J.62DMS00.001.1 — Mengidentifikasi Kebutuhan Pengelolaan Data untuk Proses Bisnis
Unit ini sering dianggap administratif, padahal sebenarnya menjadi salah satu fondasi penting dalam proses analisis data.
Dalam unit ini, peserta perlu memahami beberapa aspek utama, antara lain:
- Menentukan bentuk aset data organisasi dan aspek-aspeknya.
- Menentukan aspek tata kelola aset data organisasi.
- Mengidentifikasi tipe model operasional tata kelola data.
- Mengidentifikasi unsur pengelolaan aset data atau data stewardship.
Salah satu hal penting dalam unit ini adalah kemampuan membedakan tata kelola data dengan tata kelola teknologi informasi. Karena itu, kemampuan teknis seperti SQL atau visualisasi data saja belum tentu cukup.
Contoh bukti yang dapat disiapkan
Dokumen kebutuhan analisis untuk sebuah organisasi dapat menjadi bukti yang relevan. Dokumen tersebut dapat menjelaskan:
- Data apa yang dikelola.
- Siapa pemilik atau pihak yang bertanggung jawab atas data.
- Bagaimana kualitas data dikelola.
- Aturan penggunaan data dalam organisasi.
Dokumen tidak harus panjang. Yang terpenting adalah menunjukkan pemahaman dan keputusan berdasarkan konteks organisasi, bukan sekadar menyalin teori.
2. J.62DMI00.004.1 — Mengumpulkan Data
Unit ini mencakup proses memperoleh dan mengintegrasikan data yang dibutuhkan untuk analisis.
Secara umum, prosesnya meliputi:
- Menentukan kebutuhan data.
- Memeriksa ketersediaan dan volume data.
- Menentukan metode dan tools pengambilan data.
- Mengambil data dari sumber yang tersedia.
- Mengintegrasikan data sesuai kebutuhan.
- Memeriksa integritas data.
Hal yang perlu diperhatikan
Mengambil data dari satu sumber saja belum tentu cukup untuk menunjukkan proses integrasi. Peserta perlu memahami bagaimana data dari beberapa sumber dapat digabungkan dan bagaimana integritasnya diperiksa.
Contoh bukti: query atau skrip pengambilan data dari beberapa sumber, disertai catatan mengenai proses pemeriksaan integritas data.
3. J.62DMI00.005.1 — Menelaah Data
Unit ini berkaitan dengan proses memahami isi dan karakteristik data sebelum analisis lebih lanjut dilakukan.
Peserta perlu mampu:
- Menganalisis tipe dan relasi data.
- Memahami nilai atribut dalam konteks bisnis.
- Menganalisis karakteristik data.
- Menyajikan statistik deskriptif dan visualisasi.
- Mendokumentasikan hasil telaah.
- Menyusun hipotesis berdasarkan hasil analisis awal.
Dalam praktik Data Analyst, proses ini sering dikenal sebagai Exploratory Data Analysis (EDA).
Hal penting yang sering terlewat
Telaah data tidak berhenti pada grafik atau statistik deskriptif. Hasil telaah perlu membantu Anda membentuk hipotesis atau dugaan yang dapat dianalisis lebih lanjut.
Contoh bukti: notebook atau dokumen EDA yang berisi statistik deskriptif, visualisasi data, analisis hasil, dan hipotesis.
4. J.62DMI00.006.1 — Memvalidasi Data
Setelah data ditelaah, langkah berikutnya adalah menilai apakah data tersebut cukup dan layak digunakan.
Unit ini mencakup:
- Melakukan pengecekan kelengkapan data.
- Menilai kualitas dan kecukupan data.
- Menyusun rekomendasi berdasarkan hasil penilaian.
Kompetensi yang diuji bukan hanya kemampuan menggunakan data yang tersedia, tetapi juga kemampuan untuk menyatakan secara objektif apabila data belum cukup untuk menjawab kebutuhan analisis.
Contoh bukti
- Laporan penilaian kualitas data.
- Penilaian kecukupan data.
- Rekomendasi data atau informasi yang perlu dilengkapi.
Kemampuan mengidentifikasi keterbatasan data justru menunjukkan cara berpikir analitis yang matang.
5. J.62DMI00.007.1 — Menentukan Objek Data
Unit ini berkaitan dengan proses memilih data yang relevan untuk kebutuhan analisis.
Peserta perlu:
- Menentukan kriteria pemilihan data.
- Menentukan teknik pemilihan data.
- Memilih attributes atau kolom yang relevan.
- Memilih records atau baris data berdasarkan kriteria yang telah ditetapkan.
Secara praktis, unit ini menguji kemampuan untuk menjawab pertanyaan:
Data mana yang benar-benar relevan untuk dianalisis, dan mengapa?
Menghapus atau mengecualikan data tanpa alasan yang jelas dapat menjadi kelemahan dalam proses analisis.
Contoh bukti: catatan keputusan pemilihan kolom dan baris data beserta kriteria dan alasan pemilihannya.
6. J.62DMS00.015.1 — Membuat Business Intelligence
Unit Business Intelligence sering dipahami hanya sebagai kemampuan membuat dashboard. Padahal, cakupannya lebih luas.
Terdapat tiga aspek utama:
Merancang kebutuhan BI
Peserta perlu mengidentifikasi kebutuhan organisasi, kebutuhan data, menentukan prioritas, serta mendefinisikan arsitektur teknis dan proses yang diperlukan.
Membangun BI
Peserta memilih tools yang sesuai dan membangun solusi Business Intelligence berdasarkan kebutuhan dan arsitektur yang telah ditentukan.
Memonitor aktivitas BI
Bagian ini mencakup penentuan metrik performa, pengaturan distribusi atau penggunaan BI, serta pemantauan metrik tersebut.
Yang perlu dipahami
Dashboard yang menarik secara visual belum tentu cukup. Peserta juga perlu memahami:
- Siapa pengguna dashboard.
- Untuk kebutuhan apa dashboard digunakan.
- Bagaimana keberhasilan atau performa penggunaannya diukur.
Contoh bukti: dashboard yang dilengkapi dokumen arsitektur, daftar pengguna atau target pengguna, serta metrik untuk memantau performa atau penggunaan BI.
7. M.70BDA00.013.1 — Menyusun Laporan Hasil Analisis
Unit terakhir adalah menyusun hasil proses analisis menjadi laporan yang dapat dipahami dan digunakan sebagai dasar pengambilan keputusan.
Laporan analisis yang baik dapat mencakup:
- Pertanyaan atau kebutuhan bisnis.
- Metode analisis yang digunakan.
- Temuan utama.
- Keterbatasan data.
- Rekomendasi berdasarkan hasil analisis.
Bagian keterbatasan data sering kali terlupakan. Padahal, menjelaskan batasan analisis membantu pembaca memahami konteks dan tingkat keyakinan terhadap hasil yang disampaikan.
Contoh bukti: laporan analisis sekitar 3–5 halaman yang menyajikan proses dan hasil analisis secara terstruktur.
Bukti dan Portofolio yang Perlu Disiapkan
Berikut gambaran bukti yang dapat dipersiapkan untuk setiap unit kompetensi:
| Unit | Bukti yang Dapat Disiapkan | Hal yang Perlu Diperhatikan |
|---|---|---|
| J.62DMS00.001.1 | Dokumen kebutuhan analisis dan pemetaan aset data | Gunakan konteks organisasi atau kasus yang jelas |
| J.62DMI00.004.1 | Query/skrip pengambilan data dan catatan integrasi | Tunjukkan proses pemeriksaan integritas |
| J.62DMI00.005.1 | Notebook atau dokumen EDA | Sertakan analisis dan hipotesis, bukan hanya grafik |
| J.62DMI00.006.1 | Penilaian kualitas dan kecukupan data | Sertakan rekomendasi apabila data belum memadai |
| J.62DMI00.007.1 | Dokumentasi pemilihan kolom dan baris data | Jelaskan dasar atau kriteria pemilihannya |
| J.62DMS00.015.1 | Dashboard dan dokumentasi BI | Jelaskan pengguna dan indikator keberhasilan |
| M.70BDA00.013.1 | Laporan hasil analisis | Sertakan keterbatasan dan rekomendasi |
Tips: Satu proyek analisis data yang dikerjakan secara utuh dan terdokumentasi dengan baik dapat membantu menunjukkan keterkaitan kompetensi dari tahap awal hingga pelaporan hasil.
Kesalahan yang Perlu Dihindari Saat Menyiapkan Uji Kompetensi
1. Hanya menyiapkan bagian yang dianggap menarik
Banyak peserta berfokus membuat dashboard yang bagus, tetapi belum menyiapkan bukti untuk tahap awal seperti identifikasi kebutuhan atau validasi data.
Persiapan sebaiknya mencakup seluruh unit dalam skema yang akan diikuti.
2. Membawa hasil tanpa dokumentasi proses
Produk akhir saja tidak selalu menggambarkan bagaimana sebuah keputusan dibuat.
Simpan dokumentasi mengenai:
- Sumber data.
- Proses pengolahan.
- Alasan pemilihan data.
- Metode analisis.
- Pertimbangan saat mengambil keputusan.
3. Menghafal kode tanpa memahami kompetensinya
Mengetahui nama unit merupakan langkah awal. Namun, yang lebih penting adalah memahami apa yang perlu ditunjukkan dalam setiap unit.
Fokuskan persiapan pada pemahaman proses dan bukti kerja, bukan sekadar menghafal kode.
Apakah Unit Kompetensi Data Analyst Sama di Semua LSP?
Tidak selalu.
SKKNI menyediakan standar dan unit kompetensi yang dapat menjadi dasar penyusunan skema. Namun, komposisi unit dalam sebuah skema sertifikasi dapat berbeda sesuai skema yang digunakan oleh lembaga penyelenggara.
Karena itu, sebelum mendaftar, sebaiknya Anda:
Meminta daftar kode unit kompetensi yang digunakan dalam skema sertifikasi yang akan diikuti.
Persiapan yang paling efektif adalah persiapan yang disesuaikan dengan skema tempat Anda akan diuji.
Pertanyaan yang Sering Ditanyakan
Apa saja unit kompetensi dalam sertifikasi BNSP Data Analyst?
Dalam skema yang dibahas pada artikel ini terdapat 7 unit, yaitu:
- Mengidentifikasi Kebutuhan Pengelolaan Data untuk Proses Bisnis.
- Mengumpulkan Data.
- Menelaah Data.
- Memvalidasi Data.
- Menentukan Objek Data.
- Membuat Business Intelligence.
- Menyusun Laporan Hasil Analisis.
Pastikan kembali daftar unit yang berlaku pada skema sertifikasi yang akan Anda ikuti.
Apakah semua unit harus dinyatakan kompeten?
Penilaian dilakukan berdasarkan unit kompetensi dalam skema yang diikuti. Ketentuan mengenai hasil akhir dan mekanisme apabila terdapat unit yang belum kompeten perlu dikonfirmasi kepada LSP atau penyelenggara sertifikasi.
Apa bedanya portofolio dan simulasi kerja?
Portofolio merupakan bukti pekerjaan atau pengalaman yang telah dilakukan sebelumnya. Sementara simulasi kerja merupakan tugas yang dilakukan dalam proses asesmen untuk melihat bagaimana peserta menerapkan kompetensinya.
Metode pengumpulan bukti dapat disesuaikan dengan ketentuan asesmen dan skema yang berlaku.
Apakah harus bisa coding untuk mengikuti uji kompetensi Data Analyst?
Tidak ada satu bahasa pemrograman tertentu yang disebut sebagai satu-satunya syarat dalam unit yang dibahas di artikel ini. Yang penting adalah kemampuan mengumpulkan, menelaah, memvalidasi, memilih, dan menyajikan data menggunakan tools yang sesuai dengan kebutuhan.
Penguasaan SQL dan tools Business Intelligence dapat membantu, sementara Python atau R dapat memperluas pilihan dalam proses analisis.
Berapa banyak proyek portofolio yang ideal?
Satu proyek yang dikerjakan secara lengkap dan terdokumentasi dari awal hingga akhir dapat menjadi cara yang efektif untuk menunjukkan alur kerja analisis data secara menyeluruh.
Kode Unit Bukan Sekadar Formalitas
Deretan kode unit kompetensi mungkin terlihat seperti jargon administratif. Namun, jika dipahami dengan baik, kode tersebut dapat menjadi peta untuk mempersiapkan diri menghadapi uji kompetensi.
Mulailah dengan satu proyek data yang memiliki konteks bisnis yang jelas. Kerjakan secara bertahap, mulai dari memahami kebutuhan, mengumpulkan dan menelaah data, memvalidasi kualitasnya, memilih data yang relevan, menyajikan informasi, hingga menyusun laporan hasil analisis.
Dengan cara ini, Anda tidak hanya membangun portofolio. Anda juga belajar mendokumentasikan proses berpikir dan keputusan yang dibuat selama analisis.
Dan kemampuan menjelaskan proses tersebut tidak hanya berguna dalam uji kompetensi. Saat wawancara kerja, kemampuan menceritakan bagaimana Anda menyelesaikan sebuah proyek analisis dapat menjadi nilai tambah yang penting.
Langkah Selanjutnya
Gunakan daftar unit di atas sebagai panduan untuk mengevaluasi kesiapan Anda. Pastikan dokumen, portofolio, dan pemahaman terhadap proses kerja sudah disesuaikan dengan skema sertifikasi yang akan diikuti.
Catatan: Kode dan judul unit kompetensi dalam artikel ini perlu disesuaikan dan diverifikasi kembali dengan skema sertifikasi serta ketentuan penyelenggara yang berlaku sebelum dipublikasikan.