Online

• Belajar Menggunakan Excel

• Metode pengumpulan data
• Memahami variabel hingga menjadi dataset
• Mengeksplorasi kemampuan Microsoft Excel
• Mempelajari penggunaan Microsoft Excel
• Mengorganisasikan data
• Format variabel: angka, teks (string), tanggal, dan lainnya
• Rentang (range) dan tabel
• Pengurutan (sorting) dan penyaringan (filtering) data
• Bekerja dengan fungsi (functions)

• Analisis Data: Statistik Deskriptif dan Analisis Subkelompok

• Pengantar statistik deskriptif
• Memahami data menggunakan Microsoft Excel
• Analisis terstratifikasi (stratified analysis)

• Visualisasi Data

• Tinjauan grafik pada Microsoft Excel
• Grafik Pivot (Pivot Charts)
• Membangun dashboard interaktif

Modul 1 — Fundamental Big Data Science & Analytics

Membahas konsep dasar Big Data dan Data Analytics dari perspektif bisnis dan teknologi, termasuk karakteristik data, proses analisis, machine learning, Business Intelligence, visualisasi data, serta pertimbangan adopsi Big Data dalam organisasi.

Pokok Bahasan:

• Memahami Big Data
• Terminologi dan konsep dasar Big Data
• Pendorong bisnis dan teknologi Big Data
• Teknologi enterprise tradisional terkait Big Data
• OLTP, OLAP, ETL, dan Data Warehouse dalam Big Data
• Karakteristik data dalam lingkungan Big Data
• Jenis dataset dalam lingkungan Big Data
• Data terstruktur, tidak terstruktur, dan semi-terstruktur
• Metadata dan keakuratan data (data veracity)
• Analisis dasar dan analitik
• Analisis kuantitatif dan kualitatif
• Jenis-jenis machine learning
• Analitik deskriptif dan diagnostik
• Analitik prediktif dan preskriptif
• Business Intelligence dan Big Data
• Visualisasi data dan Big Data
• Adopsi Big Data dan pertimbangan perencanaan

Modul 2 — Big Data Analysis & Technology Concepts

Membahas konsep dan teknik analisis data modern dalam lingkungan Big Data, termasuk metode statistik, machine learning, analitik lanjutan, serta teknologi backend yang mendukung penyimpanan dan pemrosesan data skala besar.

Pokok Bahasan:

• Siklus hidup analisis Big Data
• A/B testing dan korelasi
• Regresi dan heat map
• Analisis deret waktu (time series analysis)
• Analisis jaringan dan analisis data spasial
• Klasifikasi dan clustering
• Filtering, collaborative filtering, dan content-based filtering
• Analisis sentimen dan text analytics
• Cluster serta pemrosesan beban kerja batch dan transaksional
• Hubungan cloud computing dengan Big Data
• Mekanisme teknologi dasar Big Data
• Penyimpanan data Big Data dan processing engines
• Resource manager, data transfer engine, dan query engine
• Analytics engine, workflow engine, dan coordination engine

Modul 1 — Fundamental Predictive AI

Membahas konsep dasar dan penerapan Predictive AI dalam konteks bisnis dan teknologi, termasuk manfaat, risiko, kategori masalah, pendekatan pembelajaran (supervised, unsupervised, reinforcement learning), proses training model, serta fungsi utama AI seperti computer vision, NLP, speech recognition, dan pattern recognition.

Pokok Bahasan:

• Pendorong Bisnis dan Teknologi AI Prediktif
• Manfaat AI Prediktif
• Risiko dan Tantangan Penggunaan AI Prediktif
• Kategori Masalah Bisnis yang Ditangani AI
• Jenis-jenis AI Prediktif
• Pendekatan Pembelajaran AI Prediktif
• Proses Training Model dan Training Loop
• Supervised, Unsupervised, dan Continuous Learning
• Semi-Supervised, Heuristic Learning, dan Reinforcement Learning
• Computer Vision dan Pattern Recognition
• Robotics dan Natural Language Processing (NLP)
• Speech Recognition dan Natural Language Understanding (NLU)
• Neural Network dan Model AI

Modul 4 — Fundamental Generative AI

Membahas konsep dasar Generative AI serta penerapannya dalam bisnis dan teknologi, termasuk manfaat, risiko, kategori masalah, arsitektur model (GAN, VAE, Transformer), proses pelatihan model, serta praktik membangun sistem Generative AI yang efektif dan aman.

Pokok Bahasan:

• Pendorong Bisnis dan Teknologi Generative AI
• Manfaat Generative AI
• Risiko dan Tantangan Generative AI
• Kategori Masalah yang Ditangani Generative AI
• Model, Algoritma, dan Neural Network
• Jenis-jenis Generative AI
• Training Model dan Training Loop
• Generative Adversarial Networks (GANs)
• Variational Autoencoders (VAE)
• Transformer
• Langkah Membangun Sistem AI
• Best Practice Generative AI

Pengenalan Power BI

• Memahami data refresh
• Menggunakan Power BI Desktop
• Menyiapkan data
• Mengambil data dari services dan content packs
• Mengambil data dari sumber data
• Membersihkan data
• Mentransformasi dan memuat data

Memodelkan data

• Merancang dan mengimplementasikan data model
• Membuat kalkulasi model menggunakan DAX
• Mengoptimalkan performa model

Memvisualisasikan dan menganalisis data

• Membuat report
• Meningkatkan report untuk usability dan storytelling
• Mengidentifikasi pola dan tren

Deploy dan memelihara assets

• Membuat dan mengelola workspaces dan assets
• Mengelola datasets

1. Pengenalan Power BI

• Memulai menggunakan Power BI
• Mengunggah data ke Power BI
• Pengenalan query bahasa alami (Natural Language Queries)
• Pengenalan report
• Pengenalan Visual Interactions
• Mempercantik report
• Menyimpan report
• Menyematkan (Pinning) report
• Memfilter report

2. Memahami Data Refresh

• Pengenalan data refresh
• Pengenalan arsitektur refresh Power BI
• Pengenalan Power BI Desktop
• Mempublikasikan ke Power BI

3. Menggunakan Power BI Desktop

• Menghubungkan ke database
• Memuat data dari berbagai sumber
• Menggunakan Query Editor
• Menyembunyikan atau menghapus tabel
• Mengatur seasonality dan pengurutan bulan

4. Mengambil Data dari Services dan Content Packs

• Menggunakan service content pack
• Membuat custom dataset dari service
• Membuat content pack
• Menggunakan organizational content pack

5. Membangun Data Model

• Memuat tabel individual
• Mengimplementasikan measures
• Membuat calculated columns
• Meningkatkan report menggunakan measures

6. Meningkatkan Report Power BI

• Memilih visualisasi yang tepat
  • Memilih antara visual standar
• Menggunakan custom visualization
  • Langkah awal menggunakan custom visualizations
  • Meningkatkan report menggunakan custom visualizations
  • Mengidentifikasi kondisi yang memerlukan custom visualizations
• Menggunakan DAX data models
• Membuat high-density reports

7. Menggunakan Power BI di Perusahaan

• Mengambil data dari sistem yang sudah ada
  • Memahami perbedaan antara data refresh dan live connections
  • Menggunakan relational database on-premises
  • Menggunakan relational database di cloud
  • Menggunakan live connections ke analysis services
• Mengintegrasikan Power BI dengan Office
  • Mempublikasikan data model Excel ke Power BI
  • Menggunakan konten Power BI dari Excel
• Mengelola keamanan akses data
• Mengembangkan dan menyesuaikan Power BI
  • Membuat custom visualizations untuk Power BI
  • Mengirim data real-time ke dashboard Power BI
  • Pengenalan Power BI REST API

1. Manage Document Options and Settings
   • Manage documents and templates
   • Prepare documents for collaboration
   • Use and configure language options
2. Use Advanced Editing and Formatting Features
   • Find, replace, and paste document content
   • Configure paragraph layout options
   • Create and manage styles
3. Create Custom Document Elements
   • Create and modify building blocks
   • Create custom design elements
   • Create and manage indexes
   • Create and manage tables of figures
4. Use Advanced Word Features
   • Manage forms, fields, and controls
   • Create and modify macros
   • Perform mail merges

• Pengantar Audit

1. Kertas Kerja Audit sebagai Dokumentasi Audit
2. Bentuk, Isi, dan Luas Dokumentasi Audit

• Dokumentasi Audit (SA 230)

1. Tujuan
2. Ketentuan
3. Materi Penerapan dan Penjelasan Lain
4. Dokumentasi Audit Spesifik yang Disyaratkan dalam SA Lainnya

• Bukti Audit (SA 500)

• Materialitas dalam Audit

• Dasar-Dasar Manajemen Proyek
• Metodologi PM2 dan Siklus Hidup Proyek
• Peran dan Tanggung Jawab
• Alat-Alat Esensial
• Area Kunci yang Berkembang dalam Proyek
• Penutupan Proyek dan Lessons Learned
• Referensi

• Modul I: Apa Nilai dari OKR?
  • Nilai Framework
  • Management 1.0
  • Management 2.0
  • Management 3.0
  • Dan lain-lain
• Modul II: Dasar-Dasar OKR
  • Apa itu OKR?
  • Karakteristik Inti
  • Anti-Pattern / Apa yang Bukan OKR
  • Stretch Goals
  • Dan lain-lain
• Modul III: OKR Tingkat Menengah
  • Siklus Hidup OKR
  • Cadence OKR Bertingkat
  • Fase Elaborasi – Define and Draft Model
  • Dan lain-lain
• Modul IV: OKR Tingkat Lanjut
  • OKR versus Sistem Tujuan Lainnya (KPI, BSC, MBO, SMART)
  • Sejarah OKR
  • Perbedaan antara OKR dan KPI
  • OKR dalam Berbagai Pendekatan
  • Dan lain-lain