Halo Sobat Suhu, selamat datang, selamat bergabung di webinar Suhu ya teman-teman semuanya. Welcome semuanya, selamat bergabung yang baru join. Wah langsung ramai banget nih di pukul 10 tepat.
Teman-teman sudah join di room Zoom kita, nanti kita bakal belajar bersama webinar Data Analytic for Decision Making using Looker Studio ya teman-teman. Selamat datang teman-teman semuanya, selamat bergabung. Boleh ya kita kenalan dulu kali ya sambil menunggu teman-teman yang lain join.
Minfu pengen tau nih temen-temen asalnya dari mana aja, kalau boleh tau juga sekarang live-nya dari mana, kebetulan kita agendanya pertama kali ngadain webinar pagi hari di hari Sabtu nih, di pekan hari seperti itu. Dari Jakarta, dari Sidoarjo, Bandung, Banjirmasin. Halo, oke, temen-temen yang mau on-cam juga boleh banget ya, silahkan yang mau on-cam dan nanti siapa tau mau... Share juga after event ini ke match sosnya masing-masing dan tag juga Instagram kami at katasuhu kita biar teman-teman yang lain juga bisa tahu nih kalau suhu ini ada webinar yang menarik banget seperti itu. Dari planet Bekasi, oke deh Kak Faridman.
Lita Ngerang dari Pekanbaru, Makassar. Wah jauh-jauh ya ternyata dari Depok. Kalau boleh tahu nih, Menhu pengen di-spill dong nih teman-teman rata-rata kesibukannya. Sebagai apa nih? Mahasiswa?
Atau sudah menjadi budak korporat? Atau yang lainnya, boleh still? Oh kebanyakan mahasiswa ya.
Ramai banget nih mahasiswa. Pasti semangat banget pengen belajar mengenai data analitik ya. Karena materinya pasti sangat menarik juga nih. Mahasiswa korporat. Oke Kak Martin, selamat datang, selamat bergabung.
Welcome semuanya ya. Salam kenal. Oke teman-teman semuanya, karena di sini sepertinya sudah rame yang join, izin ya, saya ingin memperkenalkan diri, perkenalkan nama saya Ruswanti, di sini salah satu moderator yang akan membersamai teman-teman selama satu setengah jam ke depan di webinar suku.
Nah webinar kali ini kita bakalan mengangkat materi mengenai data analitik for decision making using Looker Studio. Dan nanti teman-teman silakan ya di akhir sesi, nanti kita akan buka sesi tanya jawab, jadi silakan nanti pengen mencet. tetap kemudian ingin bertanya pada narasumber, nanti bisa ditanyakan di akhir sesi. Dan nanti untuk informasi-informasi lainnya akan kami share di kolom chat Zoom.
Jadi stay tune terus sampai akhir ya, teman-teman semuanya. Oke, teman-teman semuanya, terima kasih yang sudah nge-spill nih di kolom chat Zoom ya. Izin ya, Minhu, sebelum kita masuk ke sesi paparan materi, dari semua ada perkenalan singkat biar yang sudah kenal semakin kenal, yang belum kenal nanti bisa...
kenal dan tahu apa sih sebenarnya suhu dan suhu itu sebenarnya bergedak di bidang apa sih gitu ya teman-teman semuanya. Oke, mungkin sebelum kita ke perkenalan suhu karena disini sepertinya narasumber kita sudah hadir nih teman-teman. Sudah ada Mas Alif ya, kita panggil dulu kali ya. Halo Mas Alif. Halo Barus dan semuanya.
Oke Mas Alif, apa kabar? Sehat ya Mas? Sehat, Mbak.
Alhamdulillah. Mas Alif, izin sebelum kita ke sesi pemaparan materi dari suhu, ada perkenalan singkat terlebih dahulu ya, biar teman-teman semakin kenal nih sama suhu itu siapa. Siap.
Oke, siap. Baik, teman-teman semuanya, welcome yang baru join, selamat datang dan semangat bergabung di webinar Data Analytic for Decision Making using Booker Studio. Nah, teman-teman semuanya, izin ya teman-teman perkenalkan. kami SUHU atau SUHU Professional Training and Consulting, kami merupakan lembaga training dan pelatihan IT yang ada di Yogyakarta, seperti itu.
Nah, karena hari ini kebetulan di weekend nih teman-teman juga semuanya sudah sangat semangat ingin menyimak paparan materi dari Narasumber kita luar biasa, izin saya share informasi outline nih. Nanti teman-teman bakalan mendapatkan informasi apa saja sih di sesi webinar kali ini. Yang pertama yaitu ada materi.
presentasi ya, presentasi materi dari nanasumber kita, yaitu Mas Alif, kemudian nanti ada informasi kuis, yang akan kami informasikan di akhir sesi, dan kuis ini berhadiah merchandise menarik dari SUBU ya teman-teman, nanti akan kami pilih teman-teman yang beruntung untuk bisa mendapatkan kuis untuk mendapatkan hadiah quiz. Seperti itu ya, teman-teman semuanya. Dan nanti di akhir sesi, kita ada sesi tanya-jawab atau Q&A session. Jadi, teman-teman silakan.
Ya, ingin bertanya langsung ke narasumber kita pada hari ini, nanti bisa take note selama pelatihan, dan ini bisa ditanyakan di sesi Q&A. Seperti itu ya, teman-teman. Dan buat teman-teman yang ingin mendapatkan e-certificate, nanti juga akan kami informasikan di akhir sesi, gimana caranya mendapatkan e-certificate.
Jadi, stay tune terus sampai akhir. akhir webinar, jangan sampai kelewatan, karena untuk syarat mendapatkan sertifikat ini, teman-teman diharuskan mengisi link feedback yang akan kami share di kolom chat Zoom di akhir sesi dan batas komision maksimal pukul 24.00 WIB malam ini. Nah, kemudian siapa sih pembicara atau speaker kita hari ini?
Yaitu ada Mas Muhammad Alif Syah Putra Nasution, STMT CDAP. Beliau merupakan seorang Data Driven Control Researcher. Yang tentunya nanti akan memberikan banyak insight nih seputar data analitik. Karena memang saat ini Mas Alif berkecimpung di bidang yang harus mengurus data-data. Seperti itu.
Jadi nanti silakan ya teman-teman. Feel free aja yang mau nanya apapun itu. Silakan disampaikan aja di kolom chat Zoom. Seperti itu ya teman-teman. Nah ini dia sekilas mengenai profil suhu yang sempat saya singgung di awal ya teman-teman.
Suhu atau... PT Katasu kita atau yang biasanya dikenal sebagai Su Professional Training and Consulting, kami merupakan perusahaan penyedia layanan jasa, solusi, dan juga produk inovasi di bidang teknologi informasi yang berkantor pusat di Yogyakarta dan kami memiliki kantor representatif bisnis di Jakarta tepatnya di daerah Cikoko, pancaran kota Jakarta Selatan. Kami sudah lebih bekerjasama, sudah lebih dari dengan 350 mitra dan juga...
sudah menengani lebih dari 700 proyek seperti itu. Dan kami juga sudah berpengalaman kurang lebih 6 tahun dengan 650 klien B2B dan juga B2G di seluruh Indonesia. Tentunya kami berkomitmen untuk memberikan layanan terbaik dalam mengembangkan dan memberikan layanan dengan berfokus pada hasil dan juga kepuasan pelanggan.
Nah, ini untuk sekilas profil kantor suhu ya, teman-teman. Buat teman-teman yang kepengen main ke kantor suhu, boleh banget. Karena... Kantor kami di lantai satunya itu ada coffee shop, namanya Smedico Living Coffee by Suhu ya teman-teman.
Dan kantor kami ada di Yogyakarta, tepatnya di Jalan Pareonom nomor 15, Patang Puluhan, Biroberajan, Kota Yogyakarta, seperti itu. Dan untuk kantor representatif kami ada di Jalan Pengedagan Utara nomor 17, Cikoko, Pancoran, Kota Yogyakarta Selatan, daerah khusus Ibu Kota Yogyakarta. Nah silahkan ya teman-teman yang domisilinya di Yogyakarta, atau yang tadi mahasiswa lagi ngampusnya di Yogyakarta, boleh banget. main ke kantor suhu nama tempatnya Smedico Living Cafe by Suhu, itu untuk cafe, coffee shopnya, dan kalau untuk alamat di Gmapsnya itu PT.
Kata Asmi kita, silahkan nanti kalau misalnya mau ketemu sama Minhoo boleh banget, nanti tinggal sampein aja, karena kami juga punya media sosial juga, nanti spill-spill aja, kalau misalnya mau main ke suhu begitu ya teman-teman oke teman-teman semua, karena kita sudah cukup Jauh nih perkenalannya dan sepertinya teman-teman juga udah gak sabar buat menyimak sesi paparan materi dari narasumber kita hari ini yaitu Mas Alif. Dari saya sekian ya untuk perkenalan di awal kita, nanti kita lanjutkan untuk sesi perkenalannya di akhir sesi setelah paparan materi. Oke teman-teman semuanya, kita panggil kembali Mas Alifnya ya kalau gitu ya.
Halo Mas Alif. Ya, halo Mbak Rus. Sudah ready ya Mas Alif?
Sudah, sudah, siap. Oke. Teman-teman, sebenarnya Mas Alif juga sudah ready nih ingin memberikan insight yang luar biasa mengenai data analitik ya, teman-teman. Nanti silakan teman-teman saya reminder lagi kalau yang ingin bertanya, nanti kita memberikan kesempatan di sesi Q&A setelah paparan materi Mas Alif. Baik, tanpa berlama-lama, waktunya saya silakan ke Mas Alif.
Silakan ya, Mas Alif. Ya, baik. Terima kasih, Mbak Rus. Saya izin share screen ya. Baik, saya coba mulai presentasinya ya.
Assalamualaikum warahmatullahi wabarakatuh. Selamat pagi Bapak, Ibu, teman-teman, dan sobat suhu semuanya. Hari ini kita akan membahas satu topik yang cukup umum dan relevan bagi kita semua yang berjudul Analisis Data untuk...
pengambilan keputusan menggunakan Looker Studio. Jadi bagi kita yang tadi mahasiswa, tentunya topik ini sangat sesuai ya, karena dalam keserian kita, kita mungkin mengerjakan tugas-tugas yang bersifat analitik. Atau mungkin di pekerjaan, kalau sifatnya pekerjaan itu adalah analitik, topik kita ini juga sesuai.
Apalagi mungkin bagi kita yang berperan sebagai data analis atau data saintis, di satu perusahaan, maka topik ini juga sesuai. Tapi terlepas dari itu, tentu dalam keseharian kita, pasti dalam waktu-waktu tertentu kita ada mengambil atau harus mengambil keputusan tertentu atau aksi tertentu. Nah, alangkah baiknya di saat sekarang ini, keputusan yang kita ambil itu sudah based on data. berdasarkan data, tidak lagi hanya berdasarkan feeling ya.
Nah, apalagi kita tahu di saat sekarang ini, ini adalah eranya data. Kalau dulu mungkin dalam bayangan kita, data-data itu seperti angka-angka dalam bentuk tabel, dalam bentuk laporan keuangan. Nah, sekarang gambar pun adalah data ya. Kita tahu. begitu cepatnya perkembangan AI, artificial intelligence, termasuklah itu di dalamnya machine learning.
Kalau machine learning itu kita maksudkan untuk tugasnya adalah mengenali gambar, maka tentu data training dan data testingnya adalah gambar-gambar, yang mana gambar-gambar itu terdiri dari piksel-piksel. Jadi ini memberikan gambaran kita betapa pentingnya data di saat sekarang ini. Untuk kita melakukan analisis data itu, tentu kita memerlukan semacam tool atau alat bagi kita.
Kebetulan pada hari ini kita menggunakan satu aplikasi yang namanya Looker Studio ini. Tapi maksud pembahasan kita hari ini sebenarnya bukan ingin menyatakan bahwa Looker Studio ini lebih baik dari yang lain. Ini hanya salah satu tool, salah satu alternatif bagi kita untuk dapat melakukan analisis data. Silahkan saja kalau kita mungkin sudah terbiasa dengan menggunakan, katakanlah Microsoft Excel atau mungkin yang berbentuk skrip.
pemrograman, coding, python, seperti python, SQL, R, istilahkan saja. Jadi Looker Studio ini hanya salah satu tool bagi kita untuk melakukan analisis data tadi. Nah, kalaupun mau dibandingkan dengan aplikasi yang lain, sebetulnya Looker Studio ini lebih tepat dibandingkan dengan tool-tool seperti Tableau atau Microsoft Power BI.
Karena nanti kita lihat sebenarnya fokus utama dari Looker Studio ini adalah untuk visualisasi datanya. Tapi kalaupun kita ingin melakukan analisis data dengan Looker Studio, dengan menggunakan teknik-teknik statistik yang katakanlah yang belum terlalu advance, itu juga bisa selayaknya kita melakukannya di Python, SQL, maupun R tadi. Jadi itu sebagai pengantarnya di awal. Kemudian kita coba lihat outline materi untuk presentasi hari ini.
Itu dibagi seperti ini, yang pertama ada pengenalan analisis data, kemudian framework analisis data. Tadi di awal sudah sempat kita bahas analisis data itu apa, tapi untuk lebih formalnya nanti akan kita lihat lagi definisinya, sebetulnya apa definisi dari. Analis data itu yang kita bahas hari ini. Kemudian kita akan masuk ke framework analis data. Ini satu materi yang cukup jarang dibahas.
Ya, cukup jarang dibahas. Mungkin kita sudah terbiasa melakukan analis data, katakanlah di Excel, di Python tadi. Kita melakukan perhitungan-perhitungan statistik.
Ada min, mungkin median, modus. Tapi frameworknya sendiri itu jarang kita bahas atau kita sadari. Sebenarnya dalam proses kita melakukan analis data itu, ada frameworknya juga, ada semacam rangka kerjanya, katakanlah istilahnya itu langkah per langkahnya. Sehingga kalau kita nanti sudah memahami bahwa sebenarnya proses analis data itu ada frameworknya, proses kita melakukan analis data itu jadi lebih terstruktur, terstruktur, sistematis, dan terarah. Sehingga mudahnya tidak ada tumpang tindih ataupun semacam dua kali kerja.
Lalu yang ketiga kita juga akan melihat nanti contoh penggunaan analis data. Dalam kesarian kita, kira-kira agar lebih jelas, analis data itu digunakan di mana saja. Lalu yang keempat, seperti tadi yang sudah disinggung di awal, kebetulan hari ini kita menggunakan Google Looker Studio sebagai tool kita. dalam melakukan analisis data tadi. Nah, yang terakhir kita akan coba demokan fitur-fitur penting atau yang dasar dari Google Developer Studio ini sehingga memberikan semacam landasan bagi teman-teman semua untuk dapat mencoba lebih lanjut nanti untuk fitur-fitur yang lebih advance secara mandiri.
Ya, barangkali itu untuk online materinya kita coba lihat. bagian pertama ya, pengenalan analis data jadi mungkin kita bisa juga melihat definisi analis data ini dari katakan lain dikeluarkan oleh lembaga-lembaga terkemuka atau tokoh-tokoh berpengaruh yang lain tapi kalau kita bisa simpulkan ya, kira-kira definisi analis data itu sendiri adalah seperti ini ya, kalau kita rangkum dari sekian banyak definisi itu jadi analis data itu adalah satu proses mengolah dan menganalisis berbagai macam data menjadi insight. Insight itu apa? Bisa diartikan sebagai pemahaman yang mendalam dan bermakna.
Jadi dari setumpuk data yang, katakanlah data mentah kita olah, kemudian kita analisis, menjadi satu pemahaman yang mendalam dan bermakna. Yang kita sebut insight tadi. Dengan cara apa? melalui berbagai teknik statistik dan matematika yang tujuannya adalah untuk meningkatkan kualitas pengambilan keputusan serta mendorong pertumbuhan bisnis.
Nah ini kalau cerita bisnis ya, tapi secara umum tujuannya adalah untuk meningkatkan kualitas pengambilan keputusan atau aksi tertentu yang harus diambil. Nah lebih lanjut, analis data ini bisa diartikan sebagai upaya mengolah data menjadi informasi. Sehingga karakteristik atau sifat-sifat data tersebut dapat dengan mudah dipahami dan bermanfaat untuk menjawab masalah-masalah.
Hari ini kita akan menggunakan Looker Studio untuk melakukan analis data tadi. Di mana nanti kita akan melihat dengan Looker Studio ini akan sebenarnya melibatkan pembuatan laporan dan dashboard teraktif, fokus utamanya. Sehingga memungkinkan pengguna untuk mengeksplorasi data secara mendalam. Oke, next kita masuk ke bagian kedua ya, framework analis data. Jadi ini ya, satu materi yang tadi disampaikan di awal itu cukup jarang dibahas ya.
Bahwa proses analis data itu sendiri ada frameworknya. Nah ini kalau agar lebih mudah kita ingat, kita sebut saja framework 4A ya. Karena ini langkah-langkahnya diawali dengan huruf A semua. Jadi, Yang pertama itu ada aim, kemudian acquisition, kemudian analyze, dan yang terakhir answer. Kita lihat aim.
Aim ini ada apa di sana? Yang pertama adalah, yang ada di aim ini adalah memahami tujuan dan proses bisnis, kalau ini cerita bisnis, lalu menentukan arah analitik. Nah, intinya di aim ini adalah kita ingin menjawab atau mengetahui apa yang jadi masalahnya.
Dan apa tujuan kita? Jadi pertanyaan di sana adalah apa tujuan kita? Kalau itu adalah cerita bisnis, tentu menghasilkan business understanding.
Tapi tidak harus business understanding. Tentu secara umum adalah tujuannya apa. Tidak cukup kita tahu apa tujuannya, kita juga harus tahu bagaimana cara kita kira-kira untuk mencapai tujuan itu.
Itulah yang nanti akan dibuat di bagian ini, analytics. modeling, jadi kita tahu nanti analitik seperti apa yang kita perlukan untuk menjawab masalah dan tujuan tadi itu. Misalnya, di sini nanti ya, ada descriptive analytics, diagnostic, sampai predictive. Apakah tujuan kita itu cukup hanya dengan descriptive-nya? Atau nanti kita perlu sampai ke predictive analytics?
Itu perlu kita nyatakan di awal sebenarnya ya, di framework M ini. Jadi di bagian langkah pertama M ini, itu akan menghasilkan output yang ini ya, warna hitam ini ya. Jadi kita tahu business understanding tadi ya, kalau cerita bisnis ya.
Lalu requirement ya, termasuklah itu di dalamnya data requirement dan tadi analytics modelnya. Jadi kita tahu data-data apa yang kita perlukan atau kita cari untuk menjawab tujuan kita tadi ya. Nah setelah kita punya ini kita masuk ke langkah yang kedua acquisition Karena kita tadi sudah punya data requirementnya Kita sudah bisa untuk mengumpulkan, mempelajari Kemudian menyiapkan datanya sesuai tujuan analitik kita tadi Ini menghasilkan apa yang disebut dengan data understanding Pemahaman kita terhadap data Kemudian juga data preparation dan data validation Nah seringkali kita Seperti dua kali kerja tadi ya, kalau kita tidak menentukan tujuannya dengan jelas, tapi langsung mengumpulkan data-data, ya seringkali kita jadi harus kumpulkan lagi datanya karena tujuannya belum jelas.
Jadi pentingnya aim tadi ya, di awal itu sebetulnya harus ditentukan tujuan, sehingga data-data yang dicari itu menjadi lebih pasti. Nah kemudian tetapi walaupun kita sudah dapat datanya, seringkali di kenyataan itu kita tidak bisa langsung pakai untuk analisis ya, kita perlu tadi ini siapkan dulu ya, kita perlu validasi dulu, karena data mentah itu ya, kalau bisa kita sebut data mentah, itu seringkali belum siap untuk langsung dianalisis, karena katakanlah ada baris-baris yang kosong atau nilai-nilainya itu tidak sesuai dengan tipe data yang kita inginkan ya, karena bisa jadi kan data yang kita ambil itu dari survei ya, jadi orang yang mengisi survei mungkin Kita mengharapkan datanya itu angka semua, tapi dia isi huruf mungkin. Dalam bentuk teks.
Sehingga kalau kita coba rata-ratakan nanti atau kita buat perhitungan matematis, jadi error ya kalau di coding. Itu perlu kita tangani terlebih dahulu sebetulnya di bagian ini. Jadi itu seperti disebut data cleansing. Pembersihan data dulu.
Jadi langkah framework yang kedua ini akan menghasilkan apa yang kita sebut dengan smart data. Satu data yang berkualitas tinggi, bersih, dan berharga. Smart data ini yang akan kita gunakan di framework langkah yang ketiga, analyze. Jadi analyze ini sebetulnya apa?
Adalah proses kreatif dan prosedural untuk mendalami makna data. Kita menggunakan... tool-tool matematik tadi dan juga teknik-teknik statistik sebenarnya di dalam analyzing.
Termasuklah itu bisa dibagi menjadi beberapa bagian. Ada yang disebut dengan EDA ini ya, Exploratory Data Analysis. Kemudian Descriptive Analytics. Itu di dalamnya seperti statistik dasar ya.
Kita menghitung mean, median, modus. Seperti itu. Kalau Diagnostic Analytics ini adalah tentang materi statistik yang uji hipotesis. Sementara predictive analytics itu adalah bagaimana kita menghasilkan model untuk bisa memprediksi output data di masa depan.
Nah itu adalah bagian predictive analytics. Jadi di bagian ini kita akan menghasilkan model biasanya yang kita latih dari data-data yang kita punya. Sehingga model itu kita gunakan untuk memprediksi masa depan.
Model ini yang sekarang ini sedang hype atau sedang banyak sekali penelitiannya, itu tadi dengan machine learning tadi. Kita menghasilkan model-model machine learning untuk memprediksi data-data di masa depan. Proses analisasi ini itulah yang akan menghasilkan apa yang tadi disebut sebagai insight tadi.
Insight yang merupakan pemahaman yang mendalam dan bermakna. dan juga tentunya analytics result Tidak cukup berhenti di sini ya, kalau mungkin untuk diri kita sendiri, cukup ya. Tapi kalau mungkin kita yang bekerja sebagai data analis, data saintis, kita perlu membuat insight ini mudah ya, dipahami oleh orang lain, atau katakanlah pemangku kebijakan ya, atau pengambil keputusan ya.
Karena kita akan serahkan insight ini kepada yang bisa mengambil keputusan berdasarkan Insight yang sudah kita peroleh, itu perlu kita tampilkan dalam bentuk output, tampilan ataupun dashboard interaktif tadi, dan mudahnya misalnya kita buat dalam bentuk presentasi hasil analitik tadi. Untuk toolnya tentu kita kenal seperti Microsoft PowerPoint. Jadi kita sajikan data tadi yang sudah menjadi insight tadi, dalam bentuk PowerPoint yang mudah dimengerti oleh orang lain, sehingga menghasilkan apa.
yang disebut dengan business decision support ya, kalau ini cerita bisnisnya. Tapi secara umum adalah semacam dukungan untuk mengambil keputusan. Nah, yang hari ini akan kita bahas sepertinya lebih banyak di bagian ini, descriptive analytics, dan juga dashboard ya, karena tool kita adalah Looker Studio ya.
Yang mana tadi sudah disampaikan, Looker Studio. Kalau untuk statistik dasar, dia bisa. Tapi kalau advance, mungkin tidak. Kalau mau membahas ini secara komprehensif, tool framework, maksud saya framework analis data ini, ini bisa satu pelatihan sendiri dalam beberapa hari.
Sehingga memang kita fokuskan pembahasan kita hanya di sekitar ini, bagian analyze, itu pun yang sedikit descriptive analytics, dan lebih banyak nanti di tampilan visualisasi data dengan Looker Studio. Next-nya. Untuk lebih jelasnya, kita masuk ke bagian contoh penggunaan analis data.
Jadi, sebetulnya di keseharian itu, analis data digunakan di mana saja? Kita tahu tentu salah satunya adalah di pemerintahan dan layanan publik. Mungkin kita dalam beberapa hari terakhir disibukkan dengan aktivitas pilkada. Di pemerintahan itu sendiri, analis data itu digunakan. Misalnya untuk...
Mengukur kepuasan warga terhadap layanan publik, kemudian memantau pengaduan warga, dan melacak kinerja layanan publik secara real-time. Lalu di bidang apa lagi? Pendidikan. Kita bisa mengumpulkan dan menganalisis data akademik, kinerja siswa, dan kepuasan staff untuk membuat keputusan yang lebih baik dalam kolon sekolah atau universitas.
Ini mungkin bagi kepala sekolah, atau bagi dekan dan rektor di universitas. Lalu ada juga di bidang retail. kita bisa menganalisis data penjualan, trend pembulian pelanggan, dan efektivitas promosi untuk meningkatkan strategi pemasaran dan penjualan.
Lalu ada lagi contoh lain yang agak lebih kita jabarkan di presentasi ini, yaitu pada saat beberapa waktu lalu penanganan pandemi COVID-19 yang masih mempengaruhi keseharian kita, itu sebenarnya kita juga menggunakan alis data. Kita tahu pemerintah tentunya mengeluarkan kebijakan waktu itu seperti memberlakukan PPKM dengan ketat ataupun melonggarkan PPKM saat itu, karantina dan sebagainya itu. Kita dalam pemberlakuan kebijakan tadi PPKM itu akan lebih baik apabila ditunjang dengan data yang relevan dan diolah dengan baik. Nah, ternyata nanti kita tahu bahwa parameter penting untuk menentukan kebijakan penanganan penyebaran COVID-19 itu ada yang disebut dengan laju reproduksi atau reproduction rate atau R simbolnya. Nah, ini sebenarnya bisa jadi satu pembahasan panjang tersendiri, tapi kita buat mudah saja untuk presentasi ini.
Nah, nanti kita akan tahu kalau laju reproduksi itu lebih besar dari 1, itu dinamika penyebaran COVID-19 kita itu sedang bertambah jumlahnya pada populasi. Jadi penyebaran pandemi COVID-19 kita itu sedang tidak stabil, katakanlah gitu. Nah ketika laju reproduksi itu kurang dari satu, itu menunjukkan bahwa jumlah orang yang terinfeksi berkurang sering waktu.
Atau dengan kata lain dinamika COVID-19 kita sedang stabil. Jadi ini parameter penting, laju reproduksi ini dapat menjadi pertimbangan dalam penentuan kebijakan di satu daerah. Misalnya apakah perlu dilakukan karantina. seberapa ketat karantina diberlakukan, kebijakan terkait vaksinasi dan herd immunity.
Jadi data R tadi, reproduction rate itu, atau laju reproduksi, itu misalnya bisa kita ambil dari website ini, ourworldindata.org, slash coronavirus. Itu nanti kita bisa pilih di sini, ada reproduction rate. Lalu kita pilih saja negaranya Indonesia misalnya. Nah, yang perlu disampaikan di sini adalah data ini adalah data yang sudah disiapkan dan diolah terlebih dahulu. Tidak mentah-mentah ya.
Jadi kalau boleh kita tuliskan ya. Jadi data ini itu adalah smart data yang tadi ya. Bukan data mentah. Jadi dia adalah smart data yang sudah melalui.
Processing, katakanlah kotak ini adalah processing tertentu. Kita lakukan preparation dan validation dan sebagainya hingga jadi data ini. Data mentahnya sendiri ada, kita sebut data mentah.
Yang nanti sebenarnya data mentah ini sangat fluktuatif dibandingkan ini. Ini smart datanya adalah data yang sudah jauh lebih halus. Dan data ini yang akan digunakan untuk analisis dan kemudian menjadi semacam acuan untuk mengambil keputusan tadi. Nah, kalau kita mau tahu sebenarnya apa yang dilakukan di kotak ini adalah apa yang disebut dengan Kalman Filter ya.
Itu dari mana tahunya? Dari sini ya. Ada keterangan di website ini kalau ada dari teman-teman yang penasaran.
Data source ini ya, ini adalah paper nanti ya yang ditulis oleh beberapa penulis. Jadi dia menghasilkan estimasi R ini dengan Kalman Filter ya. Ya kira-kira gitu.
Itu juga adalah bahasan tersendiri sebetulnya ya Kalman Filter ini. Oke, lalu kita lanjut ya. Jadi tadi sudah disinggung ya, data mentahnya. Data mentahnya itu sendiri adalah bentuknya seperti ini, yang warna biru ini ya. Satu data yang sangat fluktuatif ya, naik turun, naik turun, naik turun gitu, itu belum data yang akan digunakan ke framework.
Analyze tadi ya, kita harus siapkan dulu, kira-kira gitu. Siapkan dengan cara apa, tadi masukkan ke column filter, jadilah data yang warna merah ini ya, data yang jauh lebih halus ya, katakanlah begitu. Nah, jadi ini perbandingannya, perbandingan data, data mentah ya, tanpa column filter, kemudian data yang sudah smart data tadi dengan column filter.
Lalu, Tadi kan tujuan di awal kita adalah agar bisa menangani COVID-19 ya, penyebaran COVID-19 ini dengan baik ya saat itu. Untuk data apa lagi yang kita butuhkan? Pastinya adalah data jumlah orang terinfeksi virus COVID-19. Itu juga bisa kita ambil di website yang sama tadi, ada di bagian sini ya, confirm cases ya.
Itu data-data orang yang terinfeksi. Kita ingat ya, yang tinggi ini adalah zaman-zaman... varian Delta ya sementara yang ini adalah pada saat Omicron nah ini data yang kasus terinfeksi ya setiap harinya lalu bagaimana kita masuk ke framework analyze tadi kira-kira kita bisa tumpuk ya kira-kira kita bisa tumpuk data reproduction rate tadi yang dibawah ini reproduction rate kemudian diatasnya adalah data kasus terinfeksi ya Dan kita coba eksplorasi ya. Kalau tadi kita sebenarnya udah tahu ya, bahwa batasnya satu ya, kita bisa kira-kira tarik garis gini ya, garis warna orange ini, lalu kita lihat ya, benar-benar bagus gitu. Ketika di puncak tadi varian delta, itu adalah saat R kita itu satu ya.
Jadi katakanlah sebelumnya dinamika COVID itu... Stabil ya, stabil itu di sini ya, kira-kira tidak naik. Nah, maka R-nya masih di bawah 1 ya. Ketika R-nya itu lebih dari 1, kita bisa lihat ya, data kasus transaksi-nya itu menjadi tidak stabil. Dia naik.
Sampai kapan? Puncaknya adalah sampai R kita itu kembali di posisi 1. Ketika 1 dan turun dari 1, kita bisa lihat. Data kasus terinfeksinya itu menurun ya.
Dengan kata lain dinamika COVID-19 kita itu stabil. Hal yang sama juga terjadi di varian Omicron. Dengan analis yang sama tadi. Saya pikir tidak perlu diulang lagi. Tetapi artinya kita dapat insight.
Satu pemahaman yang mendalam. Bahwa ketika nilai R itu lebih dari 1, dinamika COVID kita sedang tidak stabil. Tapi kalau kurang dari 1, itu artinya stabil. Ini adalah satu insight yang bisa dipakai untuk menentukan kebijakan tadi. Kira-kira gitu.
Kalau R-nya lebih dari 1, artinya... PPKM harus diperketat sehingga bisa menangani ketidakstabilan dinamika COVID-19 tadi. Sementara ketika R-nya sudah kurang dari 1, itu katakanlah bisa agak lebih dilonggarkan, karantina, PPKM, dan sebagainya. Ini adalah salah satu contoh penggunaan alis data untuk pengambilan keputusan atau kebijakan di bidang pemerintah.
Bayangkan tadi, kalaupun datanya adalah data mentah yang naik turun tadi, R tadi yang naik turun dengan sangat cepat itu, itu juga tidak digunakan di sini ya. Karena bisa jadi sangat fluktuatif ya. Sebentar-sebentar di atas satu, besok sudah di bawah satu, besoknya lagi di atas satu, itu sangat fluktuatif ya. Menyebabkan perubahan kebijakan yang sangat cepat. Itu tidak diinginkan tentunya, karena dapat menyebabkan ketidakstabilan ya, sosial, politik, dan sebagainya.
Karena perubahan kebijakan yang sangat cepat tadi. Nah, jadi apa yang sudah dijelaskan di slide sebelumnya tadi, sebenarnya disampaikan lagi ya pada slide ini. Yang intinya adalah, khusus untuk kasus COVID-19 tadi, untuk mendukung pengambilan keputusan jadi lebih baik, itu diperlukan salah satu prosesnya adalah smoothing, atau penghalusan data tadi. Nah, seperti kita...
menjelaskan analis data tadi itu seperti kemana-mana, tapi sebenarnya kita selalu bisa mengarahkannya ke dalam framework 4A yang tadi sudah kita sampaikan. Bahwa di aim-nya apa kita untuk menangani penyebaran COVID-19 dengan baik, kita butuh apa, data laju reproduksi, kemudian kita kumpulkan datanya beserta dengan data kasus refleksi tadi, hingga menjadi smart data yang warna merah, lalu kemudian kita analisis dengan cara Descriptive analytics, membandingkan data kasus terinfeksi dengan laju reproduksi, hingga diperoleh insight, satu pemahaman mendalam dan mendakna, yaitu ketika R lebih dari 1, COVID-19 tidak stabil, R-nya kurang dari 1, dinamika COVID-19 stabil. Dan ini yang mungkin bisa kita tampilkan dalam bentuk output, tampilannya di bagian answer, hingga menjadi semacam pendukung bagi pemerintah dalam mengambil Keputusan untuk menetapkan kebijakan PPKM atau tidak tadi.
Next, ada lagi satu contoh yang cukup menarik itu disampaikan di slide ini. Yang disebut dengan agen laku pandai. Jadi cerita di slide ini sebenarnya adalah berdasarkan cerita dari rekan kami yang terlibat di dalam penganalisis data agen laku pandai. Agen laku pandai itu...
agen bank yang mudahnya kalau BNI itu agen BNI 46, kalau BRI itu Briling. Sebenarnya awalnya agen laku pandai ini dimaksudkan untuk memberikan layanan transaksi keuangan untuk lokasi yang terpencil di mana tidak terdapat ATM ataupun kantor cabang bank. Tapi ternyata data berbicara, dari data yang dianalisis ternyata agen laku pandai ini justru lebih laku. ketika berada di dekat ATM daripada yang jauh dari ATM.
Mungkin kita bisa berhenti di sini ya, tapi rasanya insight-nya belum cukup. Maka lebih dalam lagi data itu kita selami, ternyata di proyek insight bahwa pada waktu-waktu tertentu ya, seperti tanggal gajian, masyarakat banyak menarik uang dari ATM. Namun karena tidak ingin mengantri di ATM saja ya, kebetulan ada agen laku pandai di sana, maka antriannya... Seperti terbagi ke agen lagu pandai yang menyebabkan agen ini penjualannya lebih banyak dibandingkan yang jauh dari ATM.
Dari insight ini, barangkali keputusan yang bisa diambil agen lagu pandainya harus ada di dekat ATM pada tanggal-tanggal tertentu tersebut. Itu satu contoh. Contoh lain lagi, karena kita disini banyak mahasiswa, agar contohnya lebih dekat ke kita, sebenarnya ini ya. Seperti kalau tujuan kita adalah nilai ujian ingin baik secara konsisten.
Kita selalu bisa mengarahkannya ke dalam bentuk Framework 4A tadi ya. Nah, tapi kira-kira ini kita lewatkan dulu saja. Intinya adalah kita selalu bisa mengarahkannya ke dalam framework 4A tadi ya.
Aim, Acquisition, Analyze, Answer. Nah, kita next dulu. Kebagian keempat, pengenalan Google Looker Studio.
Nah, jadi... Tadi sudah disampaikan di awal bahwa kita hari ini menggunakan tool-nya adalah Google Looker Studio. Jadi, Looker Studio sendiri itu apa?
Adalah alat visualisasi data dan report yang powerful, yang memungkinkan pengguna membuat dashboard interaktif dan laporan dari berbagai sumber data. Yang Looker Studio ini sebenarnya kalau boleh disebut adalah aplikasi web untuk visualisasi data yang dikeluarkan oleh Google. Tadi sudah disampaikan di awal bahwa kalau mau dibandingkan pun, sebenarnya Google Looker Studio ini lebih cocok dibandingkan dengan Tableau dan Microsoft Power BI.
Karena memang ketiga tool ini fokus utamanya adalah di visualisasi data. Tapi kalau pun kita mau melakukan analis data yang katakanlah tidak terlalu advance, statistik dasar, itu bisa kita lakukan di Looker Studio ini selayaknya di Python. DR, SQL, dan lain-lain tadi. Walaupun mungkin tidak sampai juga ke predictive analytics, model-model machine learning tadi, sepertinya belum. Kalau tujuan kita adalah sampai ke sana, tentu kita harus menggunakan tool yang lain, seperti Python tadi, yang berbasis pemrograman.
Apa fitur-fitur kunci dari Looker Studio ini? Bisa kita lihat. Yang pertama adalah data yang real-time. Jadi dia dashboard yang interaktif.
Kita Dashboard itu tentunya ya, kita butuh melihat data yang divisualisasikan di dashboard itu adalah data yang real time ya, bukan data-data yang keadaan luar saya, harus fresh tentunya ya, sehingga dashboard itu bisa digunakan untuk menjadi acuan pengambil keputusan tadi ya, atau aksi tertentu. Nah kalau datanya itu keadaan luar saya, tentu keputusan yang diambil bisa jadi salah. Jadi butuhnya data-data terbaru ya, kecuali memang... Kasusnya adalah keputusan diambil itu berdasarkan data katakanlah per periode ya, katakanlah 3 bulan sekali. Maka ya berarti datanya cukup 3 bulan sekali ya update-nya gitu.
Lalu fitur kunci yang lain adalah visualisasi yang dapat dikustomisasi ya. Nanti kita akan lihat dengan Looker Studio, ini berbasis template ya, sehingga ada, tapi sudah cukup lengkap, sehingga bisa kita kustomisasi dengan cukup baik. Lalu yang ketiga kemampuan.
untuk membagi insight dengan stakeholder, itu pasti. Lalu yang keempat, dia support banyak sumber data. Seperti Google Sheet, karena dia ini adalah environment Google, tentunya dia mendukung Google Sheet.
Tapi tidak hanya itu, ada juga bisa PostgreSQL, BigQuery, dan lain-lain. PostgreSQL tentunya kalau di perusahaan itu lebih sering database-nya itu berbasis SQL. Contohnya ini, PostgreSQL. Dan Looker Studio ini... mendukung sumber data dari banyak sumber data yang terakhir salah satu yang bisa di highlight disini adalah fitur kuncinya berupa ini dapat di integrasikan dengan webpage kalau kita punya website pribadi ataupun perusahaan kita punya website, nanti Looker Studio ini bisa disematkan di website-nya itu sehingga memudahkan untuk membagikannya kepada publik atau kepada orang lain, kira-kira itu Next, kita masuk ke bagian kelima ya, demo menggunakan Google Looker Studio.
Untuk sementara kita lihat dulu PowerPoint-nya, nanti kita akan eksplorasi langsung demo live-nya di Looker Studio. Jadi bagaimana cara kita untuk mendemokan Google Looker Studio ini? Tentu dengan masuk pertama kali ke laman ini ya, lookerstudio.google.com.
Nanti setelah kita masukkan ini di Google, nanti dia akan muncul tampilan seperti ini. Kalau kita belum login Google, akun Google kita atau Gmail, ya kita harus login dulu tentunya. Setelah login baru dia akan muncul tampilan seperti ini. Nah, nanti untuk membuat report baru, kita bisa tekan yang bagian sini ya, blank report atau di create ini. Karena dashboard kita ini belum ada datanya, maka dia seperti memaksa kita langsung menyuruh kita untuk memasukkan datanya ya.
Misalnya di contoh ini kita demokan saja nanti pakai Google Sheets juga ya. Tapi sebenarnya dia bisa mendukung BigQuery, PostgreSQL, bahkan ini Google Ads juga dan lain-lain tadi. Ya kira-kira gitu.
Jadi kita tekan saja ya kalau Google Sheets sumber datanya kita tekan bagian sini. Google Sheets by Google. Nanti kalau kita sudah punya data Google Sheets kita di drive kita nanti dia muncul sini.
Yang mana yang mau kita masukkan itu kita klik, lalu kita tekan add di sini ya. Kita tekan add, maka masuklah dia ke dalam dashboardnya. Jadi inilah laman pertama dashboard Docker Studio ini. Dan di bagian yang putih kosong ini adalah tempat kita kerja ya, untuk mendesain dashboard kita, untuk menempelkan template-template visualisasi data kita. Nah jadi ya...
Fitur pentingnya ada panel data ya, kalau kita klik data di sini nanti dia akan muncul panel data di sini. Data apa saja yang sudah kita masukkan ke dashboard kita, lalu properties ya, properties ini yang akan menjadi tempat kita untuk melakukan setting-setting, apakah kolom yang mana yang ingin kita tampilkan di dashboard ini, atau bagian yang mana. atau proses analis data seperti apa yang ingin kita tampilkan dashboard ini nanti di bagian properties. Lalu ada panel filter bar ini ya, ini akan menampilkan ini untuk kita bisa melakukan filter ya, atau menyaringnya, tapi tidak ada di dalam dashboardnya ya. Jadi ini kita sebagai pendesain dashboardnya bisa semacam mengetes-ngetes dulu ya filternya di sini ya, sebelum kita buat di dashboardnya ya, agar...
Orang lain pun bisa melakukan filtering yang sama seperti yang kita lakukan. Lalu fitur pentingnya adalah untuk kita akan klik tab ini ya, add a chart nanti ya. Nanti ada beberapa pilihan template yang akan kita masukkan ke laman putih ini.
Satu lagi ada add a control ya. Add a control ini itu untuk kita melakukan filtering nanti ya. Dan satu lagi adalah add data ya.
Kalau kita mau nambahin data lagi bisa dengan menekan tab yang ini. Next ya. Jadi bagaimana cara kita melakukan visualisasi data dengan Lupir Studio? Itu dengan menekan add chart tadi ya, add a chart. Nanti ada pilihan-pilihannya, salah satunya ada scorecard ini.
Scorecard ini itu menyoroti metrik utama secara ringkas dan jelas. Yang berguna untuk menyoroti angka-angka penting, seperti total penjualan, jumlah pengunjung, rata-rata nilai pesanan, dan lainnya. Kebetulan pada contoh ini kita ambil data statistik ya. Data statistik penduduk yang saya ambil dari data dummy sebenarnya, bukan data sebenarnya, hanya untuk latihan kita. Di sini total populasi, nanti dia tampil seperti ini dengan template scorecard ini.
Lalu ada template yang lain seperti diagram batang atau bar chart. Ini merupakan salah satu jenis visualisasi yang paling umum digunakan untuk menampilkan data kategori. Ini sangat berguna untuk membandingkan nilai antara berbagai... kategori.
Misalnya ini wilayah ya, wilayah atau provinsi, Jawa Barat, Jawa Timur, sebagai sumbu X-nya, kita ingin nilai, lihat nilainya per wilayah itu berapa total populasinya. Ya, ini adalah dengan diagram batang atau bar chart. Lalu ada lagi diagram pie atau pie chart.
Ini untuk menunjukkan proporsi dari keseluruhan. Ini berguna untuk melihat distribusi data dalam kategori yang berbeda. Mungkin kita familiar dalam beberapa hari terakhir ya. Hasil-hasil pilkada juga sering sekali ditampilkan dalam bentuk ini, diagram pie ini ya. Dalam bentuk persen-persen begitu.
Next. Lalu ada yang disebut dengan diagram garis atau line chart. Ini digunakan untuk menampilkan tren data dari waktu ke waktu ya. Jadi kita butuh datanya itu bertipe tanggal ya. Jadi di Drupal Studio ini juga membedakan tipe data.
Ada tipe data... Number ya, kalau di pemrograman yang lain mungkin dia disebut numerik gitu, data numerik. Di sini data number, kemudian ada data text ya, kalau di yang lain mungkin string disebutnya.
Nah satu lagi ada data date ya, itu dibedakan, tipe data date atau tanggal. Nah kalau kita punya tipe data tanggal itu, kita bisa membuat ini, diagram garis atau line chart ini, yang berguna untuk menampilkan trend data dari waktu ke waktu tadi. Kira-kira seperti ini ya.
Jadi serupa seperti yang tadi, yang COVID-19 tadi juga menggunakan line chart itu sebenarnya ya. Karena dia sumbu X-nya adalah... Tanggal yang dilihat rentetan waktunya atau time series.
Lalu ada juga table, ini tentu satu bentuk visualisasi data yang umum. Termasuk di Looker Studio itu bisa kita buat, table ini. Selain add a chart tadi untuk visualisasi data, satu lagi adalah add a control tadi.
Itu gunanya apa? Untuk melakukan filtering atau control field. Kita ingin menyaring di dashboard kita nanti data-datanya seperti apa saja.
Maka kita cari di add a control tadi, tab add a control. Ada pilihan-pilihannya, misalnya yang pertama adalah drop down list. Ini akan memberikan tampilan control field dalam bentuk list yang dapat di scroll.
Cukup fleksibel digunakan untuk jenis filter data apapun. Nah tapi... Semacam ada kelebihan dan kekurangannya, nanti ini kalau kita lihat di dashboardnya pada saat demo, drop-down list ini tidak langsung ngembang begini, dia itu kayak kecil dulu, sempit seperti ini.
Kalau kita klik baru dia ngembang. Jadi seperti kelebihannya dia itu hemat tempat di dashboard kita, tapi kekurangannya dia membuat orang tidak langsung sadar kalau kita bisa melakukan filtering dengan tool ini. Nah ada lagi yang disebut dengan fixed size list. Hampir serupa seperti drop down list tadi, tapi dia ini langsung ngumbang, tidak harus di klik dulu ya. Sebaliknya tentu kelebihan kekurangannya.
Dia makan tempat ya, itu mungkin bisa disebut kekurangannya, tapi kelebihannya orang langsung sadar. Oh kita bisa melakukan filtering di sini. Kita hanya ingin lihat data-data DKI Jakarta dan Kalimantan Timur.
Jadi yang lain nggak usah di checklist, itu bisa di dashboardnya ya. Next, ada yang disebut dengan input box ya. Ini untuk filtering dengan kita memasukkan langsung nilai-nilainya di sini. Lalu yang terakhir adalah satu fitur yang agak intermediate ya. Di Looker Studio ini adalah menggunakan blend data ya.
Seperti kita kalau yang sudah terbiasa di SQL atau Python ya. Di SQL kita tahu ada join ya. Joinnya ada 4 jenis ya. Tapi kalau di Looker Studio ini tambah 1. Cross ya.
Jadi kira-kira tadi ya sumber datanya itu bisa... Lebih dari satu bisa banyak Tabel satu ya Katakanlah Google Sheet 1 Kemudian ada Google Sheet 2 Tapi di situ ada kolom kunci ya Katakanlah wilayah ya Jadi di kedua sumber data itu ada Fill ya Atau kolom yang namanya wilayah Sehingga kita bisa gabungkan Berdasarkan kolom wilayah itu Nah itu tergantung bagaimana cara kita menggabungkan Yang sering dilakukan adalah Dengan cara inner ini Inner join ya Kalau di SQL, kalau di sini inner saja. Kita klik nanti inner.
Misalkan kita ingin gabungkan dia berdasarkan wilayah. Kalau dengan inner, perilaku penggabungannya kira-kira seperti ini. Kalau wilayah ini ada nilainya katakanlah riau, tapi di yang tabel 2 tidak ada riau.
Maka yang baris yang ada riaunya itu dihapus semua. Dia harus irisan dua-duanya. Jadi harus ada riau, ada juga riau. baru data itu akan dipertahankan pada hasil blend datanya. Ya, kira-kira gitu.
Nah, mungkin untuk presentasinya sampai di sini, kita langsung segera coba demokan saja ya di Looker Studio-nya. Nah, jadi tadi di awal ya, teman-teman bisa langsung ke halaman ini ya, lookerstudio.google.com. Kalau belum... belum apa istilahnya belum login akun Google login dulu ya kalau sudah login maka dia akan masuk ke sini ya alamat seperti ini untuk kita menambahkan dashboard kita bisa klik blank report ini ya Nah di awal tadi sudah sampaikan bahwa kita itu seperti dipaksa untuk masukkan datanya langsung Jadi sumber datanya dari mana?
Kita demokan saja ya. Katakanlah dari Google Sheet ya, demo contoh kita hari ini. Nah ada beberapa data dummy yang sudah disiapkan di sini ya.
Misalnya kita ambil ini data terkait statistik penduduk ya. Kita klik gitu, lalu kita tekan add tadi ya. Kita tekan add.
Maka kita akan masuk ke laman ini ya. Secara otomatis dia langsung nambahkan table ya. Kita hapus dulu aja. Jadi intinya dia tampilan awal kita untuk mengerjakan dashboard Looker Studio itu adalah ini. Nanti kita akan kerjakan dashboardnya di laman putih ini ya.
Tadi ada panel data, panel properties, filter bar ya. Yang penting adalah data ya. Kalau kita melihat data, panelnya di sini ada data apa saja ya. Data terkait statistik penduduk dari Google Sheet kita. Ada kolom-kolomnya ini ya, ada angka harapan hidup, angka kemiskinan, populasi, dan seterusnya ini.
Nah tadi ada tipe data ya. Tipe data dari nilai-nilai... field itu, kolom itu ada yang sifatnya number, itu ditandai dengan simbol ini ya, 1, 2, 3 nah, yang dia adalah text adalah ini, ABC jadi wilayah itu kan memang text tadi ya DKI Jakarta, Timur dan lain-lain tadi, langsung saja kita contohkan bagaimana cara kita memvisualisasikan datanya, kita tekan add a chart, tadi di powerpoint contoh pertamanya adalah skorkart ya, ini ada skorkart, kita tekan saja lalu kita tempatkan di mana kira-kira di dashboard kita, misalnya di sini ya lalu apa yang ingin kita lihat, misalnya total populasi jadi yang kita lihat di sini, di bagian sini, bagian metriknya itu kita cari kolom yang namanya populasi total lalu kita apakan ya Fungsi agregasi apa yang ingin kita buat Kalau yang sudah terbiasa di Python atau SQL Mungkin bisa melihat ini dengan lebih luas Dan lebih jelas Analoginya Bahwa ini seperti kita melakukan Perhitungan saja Perhitungan fungsi agregasi Misalnya kita sum tadi Itu dijumlahkan semua Dengan cara menekan ini Bagian sini kita tekan Sum menjumlahkan semua Kemudian average Mencari min rata-rata Kita juga bisa hitung count ya, untuk melihat banyaknya data itu.
Contoh saja kita jumlahkan saja datanya ya. Jadi dari data set kita itu total populasinya berapa? Kita buat sum. Maka sama persis ya seperti yang ada di powerpoint tadi, sekitar 143 juta orang. Nah itu untuk scorecard.
Lalu. ada lagi yang disebut dengan bar chart bar chart ini tinggal kita klik tadi ya bar chart lalu untuk mengeditnya ada di bagian properties ini ya panel properties kita edit ini di bagian dimensionnya nah ini seperti melakukan fungsi agregasi group by kalau di SQL atau di Python Kita pilih untuk sumbu X-nya itu adalah nilai-nilai dari satu kolom yang ingin kita lihat. Misalnya dalam hal ini wilayah, maka dia akan muncul Jawa Barat, Jawa Timur di sumbu X-nya. Karena kita pilih wilayah. Lalu untuk sumbu Y-nya ke atas, apa yang ingin kita lihat?
Setiap wilayah itu yang ingin kita lihat adalah populasi totalnya. Kemudian kita sum lagi ya, segera bentuknya jadi begini ya. Jadi ini memang kalau di... SQL itu group by ya.
Nah bisa juga kita sort ya dengan ini seperti di SQL di order by. Di sini dia mainnya kita template ya tidak script. Jadi kita bisa urutkan dia apakah naik atau turun ya. Kalau ascending maka tampilannya adalah dari yang paling rendah naik ke atas ya. Ke data terakhirnya itu.
Cara kita menurutkannya untuk mengurutkannya ya dalam visualisasi data kita ya. misalnya saya descending ya lalu ada juga add chart yang lain tadi ya pie chart ya oke kira-kira begini ya untuk pie chart sama saja ya caranya tadi sama persis dengan bar chart ya kita klik saja dia setelah diklik dia akan muncul propertisnya ya supaya kita bisa mengeditnya ya dimension tadi untuk sumbu X nya kemudian sumbu Y nya adalah di bagian metrik ini ya dan mengurutkannya bisa di bagian sort lalu ada lagi tabel ya tabel ya Semudah kita hanya drag and drop ya dengan Booker Studio ini ya. Tidak melakukan pemrograman sama sekali. Kita memanfaatkan template yang ada saja ya.
Berbeda ketika kita di Python dan di SQL. Itu ada kelebihan dan kekurangannya tersendiri. Sehingga tool-tool ini memang baiknya dalam prakteknya adalah saling melengkapi.
Ada satu lagi yang tadi ditampilkan di PPT kita. Kita harus menampilkan data time series berbentuk data. Tapi di sini tidak bisa.
Dimensinya tidak ada yang cocok, karena kita butuh data yang tadi apa? Tipenya adalah tipe tanggal. Ini baru ada tipe number, kemudian tipe text. Belum ada tipe tanggal. Jadi kita butuh tambahkan data yang mengandung tipe data tanggal.
Ini saya siapkan data dummy-nya untuk time series. Dengan langkah yang sama tadi ya, untuk menambahkan data, kita add. Setelah kita add tadi, harusnya dia sudah muncul di sini ya.
Mungkin kalau belum muncul, kita refresh saja ya. Jadi data yang sudah kita tambahkan itu, ada sumber data yang satu tadi, yang pertama ya. Terkait statistik penduduk.
Kemudian ini yang barusan kita tambahkan data time series. Nah, di sini ada data tanggal ya. Tipe datanya simbolnya terlihat berbeda ya.
Tidak 1, 2, 3, tidak ABC, tapi seperti kalender begini. Nah, ini yang bisa kita buat di visualisasi data dengan time series ya. Nah, ini kita klik dia tadi.
Lalu data source-nya itu kita pilih data time series. Maka dia otomatis di sini ya. mengisi di dimensionnya itu adalah tanggal ya dia semacam bisa mendeteksi otomatis mana tipe data yang tipe data tanggal lalu kita tambahkan apa yang mau kita lihat ya misalnya adalah pengangguran ya kita refresh saja kita lihat data penganggurannya ya tapi ini ya belum bisa sepertinya ya nanti kita coba kesini lagi ya kita coba kesini lagi kita lihat dulu ya add a control ya add a control ini tadi adalah memfilter ya memfilter itu bagaimana dashboard kita ini bisa kita filter ya ada drop down list ada fixed size list ada juga tadi ada macam-macam ya ada yang ini ya kita coba drop-down list dulu ya nanti kita kembali lagi ke sini ya untuk troubleshoot ini drop-down list ini tadi udah disampaikan ya bahwa dia itu kecil dulu kecil dulu gitu kalau kita klik baru dia ngembang ya oke nah ini harusnya ini ya data terbaru kait statistik penduduk gitu lalu control fieldnya kita ingin lihat dia berdasarkan wilayah ya berdasarkan wilayah nah ya sudah banyak ya jadi kita bisa memfilter tadi DKI Jakarta Kalimantan Timur dan lain-lain ya seluruh nilai ini ya kalau kita tidak ingin lihat semuanya kita bisa pilih DKI Jakarta saja lalu ada fixed size list ya kekurangannya dia itu langsung langsung mengembang begini ya jadi seperti makan tempat kita bisa atur posisinya ya kira-kira gini ya tapi sekali lagi ya setiap kita menambahkan template disini kita harus atur kita harus selalu atur propertiesnya kita klik dulu ya Kita ambil dari data terkait statistik penduduk. Kemudian mungkin kita ingin filter lagi sesuai dengan slide ya berdasarkan wilayah.
Nah jadi kira-kira begitu ya. Ada lagi ya yang ingin kita demokan sedikit lagi. Barangkali tadi di slide ada apa saja ya. Ada input box ya. Nah ya, input box.
Itu untuk memasukkan nilainya langsung ya. Kalau kita ingin mengetikkan DKI Jakarta, dia akan memfilter tampilan dashboardnya hanya berdasarkan DKI Jakarta saja. Nah, kalau ini tergantung kita ada plus minusnya juga ya.
Kalau kita ingat nilai-nilai dari wilayah, maka kita dengan bebas bisa menentukan langsung ketik saja gitu ya. Tapi kalau kita tidak ingat, ya dia tidak muncul nanti ya filteringnya. Oke, sebenarnya ini sudah bisa jadi dashboard sendiri ya, sudah bisa jadi dashboard sendiri. Mungkin yang ingin saya tunjukkan saja yang sudah sempat jadi ya, saya buat-buat sendiri gitu sebelumnya. Sama persis seperti yang barusan kita demokan ya.
Kira-kira kalau edit ya kita klik edit gitu sama seperti tampilan tadi ya Kalau editan kita itu sudah cukup ya sudah apa istilahnya dirasa sudah cukup Kita bisa view sehingga bahkan kita juga bisa semacam slideshow ya Seperti PPT tadi ya kita present Ini adalah dashboard yang bisa kita bagikan ke orang lain, seperti kita membagikan link Google Slides kita di drive itu tadi. Dan ini interaktif. Maksud dashboard interaktif adalah kalau kita cover kursor kita, dia ada muncul. Misalnya di sini kita arahkan kursor kita, dia bisa lihat Jawa Barat.
Populasi totalnya terlihat 49 juta orang. Sekian. Tadi ini yang data time series ya, yang harusnya bisa kita tampilkan, karena kita sudah punya tipe data tanggal tadi. Dan ini interaktif ya, jadi pengguna yang bisa masuk ke sini, itu bisa semacam langsung mengklik-klik juga filteringnya tadi ya. Misalnya kita ingin filter hanya Jawa Barat dan Jawa Timur saja yang tampil di dashboard.
Maka dia langsung otomatis update. Dia langsung otomatis update ya, populasi total khusus untuk dua wilayah ini saja, Jawa Barat dan Jawa Timur. Populasi totalnya itu 89 juta ya.
Lalu ini perbandingannya, lalu dari tabel dan lain-lain ya. Satu lagi yang bisa... kita demokan barangkali adalah yang di slide terakhir ya yang di slide terakhir itu adalah blend data tadi ya bagaimana kita menggabungkan data itu bisa kita lakukan di sini resource, manage blend ya manage blend, kita pilih tabel apa saja ya lalu kita pilih tabelnya join other table kan tabelnya ada dua ya data terkait statistik sama data terkait apa gitu tapi belum kita tambahkan ini ya lebih baik yang ini saja ya sudah saya lakukan sebelumnya itu bisa kita gabungkan ya nanti ada blended data di sini manage blend itu itu dengan cara kita menekan ini manage blend ya manage blend ini yang sudah sempat saya lakukan sebelumnya itu kita Gabungkan dua tabel, ada data terkait statistik sama data dua yang harusnya sudah kita tambahkan juga. Barangkali karena terbatasan waktu tidak sempat kita demokan benar-benarnya langkah-perlangkahnya.
Tapi di sini kita tadi sampaikan kita pilih inner. Kita pilih inner, itu artinya kita menggabungkan dua data wilayah kita ini dengan kolom wilayah dengan cara inner. Maka nanti kita akan peroleh tabel.
yang sudah gabungannya yang disebut dengan blended data. Bisa kita ganti sendiri namanya tentu saja, itu terserah kita sesuai dengan kebutuhan. Sehingga dengan menggunakan blended data ini, datanya adalah data gabungan, dan kolom-kolomnya ini bisa kita visualisasikan sesuai kebutuhan. Saya kira begitu dulu presentasinya. Terima kasih.
Assalamualaikum warahmatullahi wabarakatuh. Selamat pagi Bapak-Ibu. teman-teman semuanya saya kembalikan ke barus ya Oke, terima kasih banyak Mas Alif atas paparan ini juga Insek Matin yang luar biasa ya teman-teman. Wah, di sini sebenarnya teman-teman sangat antusias nih Mas Alif, karena dari tadi saya lihat pertanyaan yang di kolom Cezum sudah masuk cukup banyak ya pertanyaan teman-teman semuanya.
Tapi sebelum kita masuk ke sesi Q&A teman-teman, izin saya reminder ya buat teman-teman semuanya, buat teman-teman yang join di webinar kita. pada pagi hari ini dan ingin mendapatkan e-sertifikat, silakan teman-teman bisa langsung mengisi form feedback yang sudah kami share di kolom chat zoom ya teman-teman untuk batas maksimal pengisian sampai pukul 24.00 WID malam ini. Dan buat teman-teman yang pengen dapetin merchandise menarik dari suhu, teman-teman bisa ikutan quiz untuk sesi webinar hari ini, dan nanti akan kami undi untuk dua orang pemenang beruntung dan informasi pemenang quiz akan kami informasikan di Instagram kami yaitu atas kata suhu kita. Nah, tadi kita sudah belajar banyak nih, teman-teman, bersama Mas Alif, kita tadi di awal sudah belajar mengenai pengenalan analisis data, kemudian framework analisis data, contoh penggunaan analisis data itu apa aja, kemudian pengenalan Google Looker Studio, dan juga demo serta praktik langsung untuk menggunakan Google Looker Studio. Buat teman-teman yang kayaknya tadi ada beberapa yang nyusul ya, jauhnya tenang aja untuk record materi kita pada hari ini, nanti akan...
Kami share di channel Youtube kami yaitu SungkuTV ya teman-teman. After kegiatan nanti tungguin aja, stay tune terus ya. Jangan lupa di subscribe juga channel Youtube kami yaitu SungkuTV.
Biar nggak ketinggalan informasi update seputar webinar dan juga ilmu seputar dunia IT lainnya. Seperti itu ya teman-teman semuanya. Oke, Mas Alif kita masuk ke sesi tanya-jawab nih Mas Alif.
Di sini sudah ada banyak pertanyaan dari teman-teman. Karena ini cukup banyak dan kita ada keterbatasan waktu ya Mas Alif. Mohon maaf sebelumnya buat teman-teman yang nanti pertanyaannya tidak terjawab.
Nanti buat teman-teman yang merasa pengen, masih penasaran nih jawaban dari pertanyaan ini apa ya gitu kan. Nanti teman-teman bisa share pertanyaannya di channel telegram kita ya. Di channel telegram kami, yaitu suhu community. Nanti silahkan aja sudah join di channel telegram kami. Bisa ditanyakan ke Mas Alif, karena nanti bisa dibantu jawab juga oleh Mas Alif begitu ya, after kegiatan ini.
Oke Mas Alif, untuk... Waktu sesi tanya jawab Saya serahkan ke Mas Alif Mungkin bisa dipilih ya Mas Alif Karena kita ada keterbatan satu waktu Mungkin kita pilih Tiga sampai maksimal empat pertanyaan Dari teman-teman nih Mas Alif Silahkan Mas Alif Baik, terima kasih Mbak Arus ya Kita coba lihat di kolom komentar ya Pertanyaannya Bapak, Ibu, teman-teman semua Dari atas ya barangkali Itu pertanyaan pertama ya Apa perbedaan utama dari Kak Dian Karina ya, apa perbedaan utama antara dashboard dan laporan di Looker Studio, tadi disebutkan bahwa data freshness itu penting, data harus up to date di Looker Studio berapa menit sekali sumber data di update dan bagaimana cara mengaturnya ya, tadi sudah seperti dijelaskan ya, bahwa Looker Studio ini adalah untuk dashboard dashboard interaktif tadi ya yang dibutuhkan untuk nampilkan visualisasi data berdasarkan data yang diharapkan itu fresh ya, yang terbaru gitu ya. Jadi kalau datanya tidak update, tentu nanti dashboard yang ditampilkan di situ datanya itu tidak update sehingga keputusan yang diambil bisa kurang tepat ya, karena datanya sudah keadaan luar sana. Perbedaan utama antara dashboard dan laporan ya, tentu dashboard itu interaktifnya. Dia itu update setiap berapa menit sekali ya.
15 menit sekali ya karena sumber data kita itu bisa saja tentu ada pembaruan-pembaruan ya, kalau di perusahaan kan ada database kayak PostgreSQL itu kan datanya update terusnya, sehingga dashboard kita juga harus update adapun laporan itu sendiri tentu ketika kita meng-capture dashboard itu ya, pada waktu-waktu tertentu, sehingga dalam bentuk PDF katakanlah gitu, misal untuk laporan data dashboard hari ini ya maka kita PDF kan itu ada caranya mungkin bisa kita demokan ya barusnya terkait dengan laporan ya kalau laporan kita meng-capture ya kita capture data kita itu misalkan untuk hari ini ya jadi PDF gitu ya kita refresh dulu ya Kita refresh dulu. Lalu, ya. Nah, itu seperti ini ya.
kita download report, kita download report, nah dia akan jadi PDF nanti, nah ini disebut laporan, kalau dia dashboard, ya ini yang akan kita bagikan ke orang-orang ya, misalnya dalam view ini kita bisa lihat data ini itu sudah update atau enggak ada di bawah sini ya, data last update itu jam 11 lewat 6 ya, nah dari mana kita tahu itu harusnya ada ya di... Bagian ini ya, resource, manage edit data, kita klik editnya, misalnya edit ini. Nah ini ya, data freshness-nya 15 menit, 15 menit sekali ya.
Ini bisa kita klik, ya ada pilihannya ya, bisa every hour, every 4 hours ya, setiap jam atau setiap 4 jam, itu bisa kita set di sini ya, tentu ada plus minusnya ya. Semakin sering kita melakukan update datanya, itu bisa jadi nanti mempengaruhi performa dashboard kita ya. Tapi kalau tidak terlalu perlu cepat-cepat update ya nggak apa-apa juga ya.
Mungkin setiap 1 jam atau 4 jam ya. Kalau ternyata dashboardnya butuh data yang tidak terlalu harus update terus ya secara real time. Kira-kira itu untuk menjawab pertanyaan yang itu ya. Lalu kita coba lihat lagi ya pertanyaan yang lain.
kita coba scroll-scroll ya pertanyaan ini ya Kak Satza Puspadari ya izin bertanya apakah di luar studio ini dapat membuat atau melakukan analisis prediktif atau machine learning tahu itu lebih cocok dilakukan di platform lain dia itu tadi ya sudah sempat kita Singgung di paparannya ya, kalau Looker Studio ini lebih cocok untuk tipe deskriptif tadi ya, dengan fokus utama visualisasi data. Nah, kalau untuk tipe predictive analytics, barangkali memang lebih cocok kita menggunakan tool-tool lainnya seperti Python, SQL, untuk mencapai tujuan analitik kita tipe predictive tadi. Ya, itu kira-kira ya untuk menjawab itu.
Sehingga memang lebih cocok di... platform yang lain ya, ya kita lihat pertanyaan yang lain ya, pertanyaan dari Mas Muhammad Rais Ardhanam, permisi jadi dalam Looker Studio sendiri tidak bisa dilakukan preprocessing terlebih dahulu, harus data yang sudah bersih kah? mengenai perbandingan WPOR-BI dan hal-hal konflik personalis.
Tapi, ya, untuk menjawab ini, ya, tadi sudah disampaikan juga sebenarnya di paparan kita bahwa memang sebaiknya, ya, yang sudah dibawa ke Luger Studio ini adalah data-data yang sudah dilakukan preprocessing terlebih dahulu, ya. Apakah itu di Python, SQL? Ya, dalam prakteknya orang-orang biasanya seperti itu. Kita bersihkan dulu datanya, kita lakukan data cleansing tadi, sehingga hanya data-data yang sudah terstruktur dan data-data yang bersih yang kita migrasikan ke Looker Studio untuk kita tampilkan visualisasi datanya. Tapi, kalaupun kita terpaksa dalam tanda petik untuk langsung mengolah atau menganalisis data di Looker Studio ini, itu bisa-bisa saja sebenarnya.
Dan itu ada caranya ya, sebetulnya itu dengan... menggunakan bahasa semacam SQL juga ya, untuk mengolah datanya dan melakukan semacam preprocessing data di Looker Studio-nya langsung. Tapi sebenarnya, sekali lagi ya, lebih utama kalau kita sudah punya data yang bersih, lalu tinggal kita visualisasikan di Looker Studio ini.
Kira-kira begitu ya. Apakah cukup ya, Pak Rus? Atau kita cari lagi? Oke. Karena sepertinya cukup banyak yang ingin bertanya nih Mas Alif ya.
Kita kasih kesempatan dua pertanyaan terakhir kali ya sebelum kita tutup. Kita coba cari ya. Pertanyaan dari Kak Intan Kirani ya, izin bertanya apa Looker Studio bisa dipakai untuk data real time dan apa ada tips biar pembuatan transport lebih cepat dan efisien? Untuk menjawab itu ya lagi ya, jelas bisa ya data real time. Jadi sumber datanya tidak harus data offline kita Google Sheet, bisa dari PostgreSQL, dari BigQuery.
Jadi dari database kita yang memang itu setiap waktu bisa diupdate. Lalu langsung ditampilkan di dashboardnya, sehingga bisa disebut data yang real time. Itu juga terkait dengan data freshness tadi ya.
freshness di looper studio kita. Dan apa tips biar pembuatan dashboard lebih cepat dan efisien? Ya tentu kita latih-latih tadi ya, latih tool-toolnya, karena ini memang berbasis template ya, kita harus familiar dengan di mana template yang kita butuhkan, sehingga semakin sering kita memahami fungsi-fungsi dari template-template itu, kita dapat membuat dashboardnya dengan lebih cepat dan efisien pastinya ya.
Mungkin juga ya, tips satu lagi, agar kita lebih memahami ya, mungkin perlu atau tidak, itu kita kalau punya pemahaman tentang script, itu bisa semacam menambah pandangan kita, cara pandang kita dalam mengerjakan dashboard di Docker Studio ini. Seperti tadi ya, kalau kita terbiasa di SQL atau Python, jadi kita seperti bisa merasakan analognya di Docker Studio seperti apa, kira-kira gitu. Ya, satu lagi ya, satu pertanyaan lagi. Perkenalkan saya, dari Kak Adil Aulia Rahma ya. Perkenalkan saya, Adil Aulia, izin bertanya bagaimana cara melakukan agregasi data seperti min, median.
total dalam Luger Studio selama proses pembuatan visualisasi. Tadi, kalau tidak salah, sudah sempat didemokan. Itu ada di template-nya itu di bagian properties. Itu ada pilihan-pilihan, seperti kita menghitung min. Menghitung min-nya itu tadi bukan min, dia average.
Kalau di situ dia average. Tapi sebetulnya itu kan min juga. Kalau di Luger Studio-nya, dia namanya average.
Median juga ada, kalau tidak salah. Kalau total itu dengan sum tadi ya. Dengan sum itu kita bisa menghitung total dari satu field yang ingin kita hitung. Misalnya tadi total populasi, kita hitung dengan sum. Ya, kira-kira begitu.
Oke, terima kasih banyak Mas Alif. Sudah terjawab semua ya teman-teman yang tadi sudah dipilih. pertanyaannya oleh Mas Alif dan mohon maaf untuk teman-teman yang tadi sudah bertanya tapi belum sempat terjawab oleh Mas Alif karena kita ada keterbatasan waktu silakan buat teman-teman yang ingin menyusulkan pertanyaannya bisa di-share di grup suhu komuniti ya teman-teman silakan nanti bisa di-share di situ nanti akan dibantu dijawab oleh Mas Alif untuk pertanyaan teman-teman yang belum terjawab jadi silakan mas manfaatkan forum diskusi di grup suhu komuniti teman-teman biar nanti kita bisa saling sharing insight juga dengan rekan Rekan-rekan ataupun teman-teman yang lainnya. Seperti itu ya, Mas Alif.
Ini ada yang menarik nih, Mas Alif. Ada yang izin buat berkoneksi di LinkedIn nih katanya. Buat teman-teman yang mau connect LinkedIn bersama Mas Alif, silakan boleh banget ya, Mas Alif. Bisa dicari di nama lengkapnya nih.
M. Alif Syafuternasition. Jadi silakan yang mau connect LinkedIn dengan Mas Alif ya, teman-teman semuanya. Oke.
Terima kasih banyak Mas Alif atas papar yang luar biasa. Kita sudah memasuki sesi akhir di webinar kita pada pagi menuju siang hari ini. Sebelum kita tutup, izin ya Mas Alif dan juga teman-teman ada presentasi lanjutan terkait perkenalan suhu dan juga nanti next event ataupun pelatnya ada di suhu nanti di depan ada apa aja nanti akan saya informasikan. Izin share screen ya teman-teman semuanya. Terima kasih Barus.
Oke, sama-sama Mas Alif. Baik teman-teman semuanya, izin reminder buat teman-teman yang belum mengisi form feedback, saya ingatkan sekali lagi, silakan mengisi form feedback untuk syarat mendapatkan e-sertifikat pada webinar kita hari ini, karena form feedback ini akan kami tutup pukul 24.00 WIB malam ini, jadi jangan sampai terlewat ya teman-teman semuanya. Dan yang tadi baru sempat join dan mungkin sempat tertinggal, langsung aja screen catch start untuk slide scan. Feedback suhu nih teman-teman semuanya. Jadi nanti di feedback ini silakan teman-teman bisa memberikan feedback terkait webinar-webinar yang sudah kami laksanakan.
Kemudian kalau misalnya ada request terkait next event ataupun webinar yang akan... dibawakan suhu itu apa lagi, materi apa lagi, silakan langsung dicantumkan aja di form feedbacknya ya. Dan siapa tahu nanti ke depan kita bisa ada lagi nih, ngadain event lagi bareng Mas Alif, kemudian kita bisa membawakan materi yang lebih fresh lagi, terkhususnya untuk materi data analitik.
Begitu ya, teman-teman semuanya. Oke, selanjutnya teman-teman, mungkin buat yang baru join, dan sebelumnya baru pernah pertama kali join di event suhu, Salam kenal ya teman-teman, kami SUGU atau SUGU Professional Training and Consulting, kami merupakan lembaga pelatih dan juga jasa konsultan IT dari Yogyakarta. Dan kantor kami, kantor posit kami ada di Yogyakarta, namun kami juga memiliki kantor representatif di Jakarta Selatan, gitu teman-teman. Nah, untuk beberapa layanan SUGU di sini, seperti yang ada di paparan, kami memiliki pelayanan utama yang diantaranya yaitu pelatihan dan juga sertifikasi sebagai solusi peningkatan kompetensi SDM melalui pelatihan dengan materi hard skill dan juga soft skill untuk mendukung tugas dalam organisasi.
Kemudian kami juga ada jasa konsultan TIK sebagai solusi implementasi teknologi informasi terkini untuk menjawab kebutuhan organisasi dalam rangka peningkatan pelayanan publik. Dan yang terakhir kami ada event specialist sebagai solusi pendidikan. penyelenggaraan kegiatan organisasi dengan fokus pada hasil dan juga didukung penyelenggaraan secara profesional. Nah, di sini untuk beberapa list pelatihan dan sertifikasi IT, teman-teman bisa lihat di paparan. Ada IT Management, IT Security Training, Development Training, dan masih banyak lagi pelatihan IT yang ada di tempat kami.
Silakan buat yang penasaran dan ingin mencari referensi pelatihan di tempat kami, bisa langsung kunjungi WhatsApp kami di suhu.co.id ya, teman-teman semuanya. Nah, selain pelatihan dan juga sertifikasi IT, kami juga ada pelatihan SDM, yaitu diantaranya ada pelatihan SDM personal dan team development, kemudian special skill development, public relation atau PR, dan juga office aplikasi perkantoran dan multimedia, dan terakhir ada pelatihan keuangan audit dan juga perbajakan ya, teman-teman. Nah, untuk semua daftar pelatihan ini, teman-teman bisa langsung kepoin di website kami, yaitu disuhu.co.id.
Selanjutnya, kami ada promo. terkait kelas online reguler suhu seperti teman-teman, jadi memang biasanya untuk kelas pelatihan di tempat kami, untuk pelaksananya secara offline ya, di kantor kami, tapi kami sekarang membuat kemasan baru yaitu untuk kelas reguler yang akan dilaksanakan secara online, jadi buat teman-teman yang pengen menambah skill dan juga mempelajari lebih lanjut terkait kebutuhan pelatihan ID yang teman-teman cari, bisa belajar di tempat kami, karena kami memiliki fasilitas unggulan mengenai kelas pelatihan online bersama suku. Untuk durasi pelaksanaan, berkisar antara 2-5 hari intensif, tergantung nanti materinya, kemudian untuk jadwal pelaksanaan kelas, total durasi 5 jam efektif pertemuan, dan biasanya untuk pelaksanaannya dari pukul 9-3 sore, seperti itu. Dan untuk materi pembelajaran, nanti akan disampaikan secara konferensif dari teori dasar hingga nanti studi kasus, seperti itu ya teman-teman, dan juga dilengkapi dan...
dengan demo dan simulasi praktik, dan untuk platform pembelajaran kami menggunakan Zoom Meeting atau Zoom Video Conference. Kemudian kami juga ada grup edukasi, rekaman kelas yang nanti akan kami bagikan ke peserta dan juga support ke teman-teman jika ada kendala teknis ataupun administrasi yang diperlukan selama pelatihan. Nah kemudian kenapa sih harus suhu seperti itu? Suhu sendiri sudah memiliki instrumental tenaga ahli ekspert di bidangnya, sudah tidak diadakan lagi.
Kemudian... kami juga memiliki kurikulum industri, dan juga tentu saja kami mengedepankan excellent service, dan untuk environment digital, jadi untuk pelatihan di Sumpu, tentu saja bisa fleksibel ya, teman-teman bisa belajar dari mana saja, dan bisa mengakses materi kami dari mana saja, dan kami juga memiliki grup edukasi. Kurang lebih seperti itu ya, teman-teman.
Dan berikut untuk beberapa pelatihan yang mungkin cukup relevan ya dengan materi hari ini. Di antaranya ada online class mengenai data analysis with Python. Di sini ada beberapa materi dari introduction hingga study case yang teman-teman bisa ikutin.
Dan untuk waktu pelaksanaan di tanggal 17 sampai 20 Desember 2024. Selama 4 hari ya teman-teman. Dan buat teman-teman yang join di sesi webinar kali ini bisa mendaftarkan special prize di harga Rp4.975.000 saja untuk harga libertnya. Langsung saja buat teman-teman yang berminat bisa mendaftar di link pendaftaran.
pelatihan online suku ya. Bit.ly, slice pelatihan online suku, seperti itu. Nah, selanjutnya kami juga ada pelatihan MySQL Database Administration buat teman-teman yang pengen belajar mengenai database administration.
Teman-teman bisa mengikuti online class kami juga, karena di sini sudah lengkap pembahasannya dari pengenalan hingga nanti ada administrasi dan juga praktik juga ya, teman-teman. Nah, di sini pelaksanaannya di tanggal 17 sampai 20 Desember 2024 selama 4 hari juga. Yang special press untuk yang mengikuti event kami pada kesempatan kali ini bisa mendapatkan harga Rp3.950.000 saja. Untuk link pendapatannya juga sama ya, di bit.ly. Slice pelatihan online suhu Seperti itu ya teman-teman Dan untuk informasi ini nanti juga akan kami share Melalui email bersamaan dengan e-sertifikat Jadi teman-teman jangan khawatir Untuk buat nggak ketinggalan promo di online kelas kami Nah ini yang ditunggu-tunggu ya teman-teman Buat teman-teman yang penasaran nih Next event pre-webinar suhu ada apa lagi sih Buat teman-teman yang kepengen join di next Free event webinar SUPU, kami ada webinar mengenai next generation of cybersecurity using AI port antifar and DDoS protection with open source tool.
Nah, teman-teman yang sedang mencari pelatihan atau referensi webinar cybersecurity, silakan ya bisa join di webinar kami. Selanjutnya di bulan Desember, tepatnya Salasa 17 Desember 2024, dari pukul 13.30 sampai 15.00 WIB dan acara ini live ya. Zoom meeting seperti teman-teman dan nanti akan dibersamai dengan Mas Marcel seperti itu.
Nah Mas Marcel ini merupakan founder data searchers dan juga merupakan seorang AI engineer di Kalbi Pharma. Jadi silakan ya teman-teman bisa langsung daftar di pelatihan suhu dan informasi ini juga sudah kami publikasi di media sosial kami yaitu Instagram at kata suhu kita. Oke, teman-teman, untuk beberapa media sosial SUBU, biar teman-teman nggak ketinggalan informasi update seputar event menarik kami lainnya, teman-teman bisa kunjungin website kami, yaitu disubu.co.id, kemudian akun Instagram kami, atkatasubukita, dan juga channel YouTube kami, yaitu subutv.
Dan buat teman-teman yang kepengen merecall kembali ini, materi apa saja yang sudah disampaikan oleh Mas Alit, nanti untuk informasi mengenai... Video record akan kami share atau publish di channel YouTube Suhu TV ya teman-teman semuanya. Itu saja kurang lebih untuk paparan perkenalan lanjutan mengenai suhu ya teman-teman.
Silakan teman-teman bisa follow media sosial kami biar nggak ketinggalan informasi update kami lainnya. Seperti itu ya teman-teman. Oke teman-teman semua karena kita sudah lebih dari pukul 11.30 dan kita sudah di penghujung webinar. Pada kesempatan kali ini, sekali lagi saya ucapkan terima kasih banyak atas partisipasi dan juga antusiasme teman-teman semuanya.
Semoga kita bisa bertemu lagi di lain kesempatan dengan materi-materi webinar yang lebih menarik lagi ya teman-teman. Dan siapa tahu next ini kita bisa ngadain webinar lanjutan dari materi hari ini bersama Mas Alif lagi seperti ya teman-teman. Terima kasih banyak Mas Alif. Ya, terima kasih Marus dan semuanya.
Sama-sama, terima kasih banyak teman-teman semuanya. Sampai bertemu kembali, sampai jumpa teman-teman semuanya.