halo halo revonir selamat malam teman-teman semuanya ketemu lagi hari ini di serangkaian acara Mini coursese data analytics keren banget nih Aku lihat teman-teman udah e pada waiting sebelum sesinya mulai seperti biasa ya udah pada ramai Meskipun mungkin teman-teman tahu hari ini hampir di penghujung serangkaian acara Mini coursese di batch kali ini tapi Wah senang banget teman-teman masih tetap semangat dan keren banget Ant entusiasmenya untuk belajar bareng-bareng tentang data analytics di malam hari ini nah eh mungkin sebelum kita mulai gitu sesi hari ini boleh banget dipanggilin lagi teman-teman yang lain untuk bisa ikutan bergabung di sesi hari ini karena pastinya bakalan seru banget dan pastinya bakalan daging banget ya teman-teman di materi yang akan kalian dapatkan dan juga eh karena hari ini adalah mungkin hari terakhir Mini cour di batch kali ini jadi yuk Boleh banget jangan sampai skip kehadirannya nanti boleh disimak sesinya sampai habis supaya nanti enggak ketinggalan ee pengisian form kehadiran terakhirnya ya teman-teman Nah sambil nunggu teman-teman yang lainnya untuk bergabung aku sambil buka juga sesi di malam hari ini jadi teman-teman hari ini bakalan ada Sharing Session with industry Leaders di mana teman-teman akan ketemu sama salah satu praktisi yang bekerja di bidang data analytics dari salah satu industri pekerjaan yaitu online grocery Nah di sini kira-kira mungkin ada enggak teman-teman yang juga nanti mengincar perusahaan-perusahaan seperti online grocery atau mungkin e nanti teman-teman juga bisa kepoin dulu ya kalau misalnya kepengin terjun nih di bidang data analiytics kira-kira real work experience-nya itu kayak gimana Terus juga case-case yang dikerjakan sehari-hari itu apa aja tantangannya Seperti apa dan Gimana caranya nanti eh teman-teman bisa menghadapi tantangan di dunia pekerjaan hari ini bakalan diceritain sama pembicara kita di malam hari ini so jangan lupa siapin catatannya ya teman-teman dan kita bisa langsung mulai juga sesinya kayaknya ah pada enggak sabar ya teman-teman dan hari ini teman-teman akan ketemu sama Kak Manda Marcela yang bekerja sebagai lead product analytics di Happy fresh salah satu perusahaan dari industri online grocery ya so nanti boleh banget simak sesi dan penjelasan dari Kak Manda supaya bisa nambahin Insight buat teman-teman terutama yang kepingin berkarir di bidang data analytics Nah karena udah pada enggak sabar dan udah pada siap juga ya teman-teman Boleh dong eh tulis-tulis di kolom live chatnya diramaikan nih berapa siap teman-teman untuk ikutan sesinya dan sepertinya nih Kak Manda juga udah enggak sabar mau ketemu sama teman-teman semua ya di malam hari ini jadi tanpa berlama-lama langsung aja aku bisa panggilkan Kak Manda untuk memulai sesinya the floor is yours Halo teman-teman semua salam kenal senang banget banyak banget ya yang antusias e tentang data analytics tapi pertama-tama aku mau juga e bilang e ucapin Terima kasih untuk revu untuk kesempatannya aku bisa sharing-sharing nih tentang data analytics happy fresh di Master class-nya refou eh next langsung next aja yang pertama Ya kenalan dulu aku eh Manda saat ini aku Leading data dan produk analytics di Happy fresh Eh tadi kayaknya aku dengar banyak banget nih Yang bilang jurusannya kayaknya enggak enggak nyambung nih dengan dengan e data analytics benar enggak nih mungkin bisa share pada dari jurusan apa sih aku jadi penasaran di chat ya Nah sebenarnya aku juga salah satu dari orang tersebut jadi eh kalau misalnya di eh lihat eh sebenarnya background aku itu pertama teknik geodes dan renewable energy Which sebenarnya Earth science ya tapi ternyata aku bisa nih di produk analytics nanti mungkin itu another Story ya untuk cerita ceritaku Kok bisa sih Bisa masuk di data analytics di Happy fresh padahal background-nya mungkin Wah ada yang geografi lingkungan juga tuh art sinence juga nah jadi eh nanti kita connect di Linkedin aja kali ya buat cerita-cerita e gimana mungkin aku punya tips and tricks Gimana caranya ini bisa memulai eh karir di data analytics Walaupun background-nya mungkin enggak enggak terlalu eh relate ya Oke next langsung ke topik hari ini Yes jadi eh Aku punya tiga poin eh tiga topik yang mau aku bahas hari ini yang pertama adalah Dao Dao itu sebenarnya kayak a day in life of data analy jadi di sini aku mau cerita ini ke teman-teman semua eh sebenarnya data analis biasanya Ngapain aja sih mungkin supaya teman-teman punya bayang ya jadi data analis itu kesehariannya ngapain aja lalu di topik kedua aku akan cerita tentang ekspektasi terhadap role ini biasanya tuh eh company itu ekspektasinya apa ya terhadap kita dan yang terakhir ini adalah main agendanya yaitu tentang cerita tell your story data Story jadi cerita dari data yang kita explore gitu eh langsung aja ke topik yang pertama yaitu a day in the life of dat analis Yes jadi my typical Day keseharian kita tuh sebenarnya ngapain sih sebagai data analis eh biasa pagi pagi kita eh quick Ketchup morning Ketchup sama tim eh sharing-sharing sharing-sharing e Insight Insight baru juga dan karena kita juga anak data nih Pastinya anak data eh apa ya nempel banget tentang eh monitoring dashboard nih biasanya nah itu yang kita lakuin juga tiap hari jadi Biasanya kita bahas nih Wah ada anomali apa nih terhadap data ini misalnya user kita tiba-tiba naik atau user kita tiba-tiba turun jadi eh anomali itu bisa dilihat bisa negatif bisa positif Nah jadi dari kita lihat monitoring dashboardnya itu kita bisa tahu habis ini Next step yang harus kita lakuin apa sih gitu yang untuk bisa kita share ke company kita juga checking untuk prioritization dashboard jadi namanya juga bekerja Ya kita harus pintar-pintar bagi waktu pintar-pintar e meemanage prioritynya Biasanya kita juga checking yang mana harus kita lakuin duluan yang mana yang lebih ur lalu itu pagi-pagi kira-kira seperti itu yang kita lakuin pas siangnya kita mulai nih eh banyak meeting-meeting biasanya sama stakeholder bisnis owner jadi stakeholder atau bisnis owner yang aku maksud di sini adalah teman-teman dari divisi lain biasanya dari Departemen lain yang e yang merupakan user dari data atau dari analisis yang kita bikin biasanya di situ kita brainstorm sama mereka tentang mungkin ada problem-pr baru is isu baru konsen baru dan biasanya kita juga presentasi nih tentang ee analisis yang baru kita kerjain lalu di udah menjelang sore biasanya ngapain pasnya kita butuh meet time jadi di sini meet time-nya bukan mungkin meettime santai gitu Ya maksudnya bukan meettime main handphone tapi metime di data analisis ini adalah focus time kita tuh butuh banget waktu untuk menganalisis Jadi kalau misalnya kita telepon apa namanya ngobrol-ngobrol dengan tim terus-terusan pastinya kan ee kita enggak ada waktu untuk ngolah data kita sendiri kan Nah Biasanya kita tuh blok waktu di situ a kita harus explore data di situ kita data diging di situ makanya aku biasa bilang sama timku ini seperti Me Time ya padah sebennya focus time nah eh aku tulis di sini produc analytics dan data analytics jadi aku juga mau kasih tahu Eh tentang di Happy fresh ini jadi aku Leading dua tim product analytics dan data analytics Bedanya apa sih sebenarnya sama-sama data analis intinya yang membedakan adalah kalau produk analytics stakeholder mereka yang mereka support biasanya yang working bareng mereka on daily basis biasanya itu PM atau produk Manager Jadi biasanya kalau produk analytics ini mereka lebih relate dengan feuture-fature yang baru rilis nih bersama produk Manager mereka menganalisa melihat user interaksi eh tentang feature yang baru mereka rilis user kita suka atau enggak interaksinya Seperti apa dilihat dari data Nah kalau data analis mereka biasanya lebih ke lebih ke bisnis jadi eh data data analys ini stakeholdernya itu si bisnis owner e yaitu misalnya dari Departemen lain ada marketing ada Operation ada Finance ada dari country level itu biasanya reach data analis untuk validate hipotesis-hipotesis atau problem-pr yang mereka punya Nih misalnya Eh kita mau kita mau naikin apa namanya kita mau ngilis E apa ya mauilis eubah Misalnya delivernya misalnya kayak gitu tapi kan kita harus tahu nih k-kira ya gimana ya Eh Apakah user kita tuh cocok dengan delivery segini atau misalnya impact dari free delivery itu apa Nah itu eh biasanya di data analys nih jadi data analis biasnya lebih ke project bukan ke feature-feature gitu oke langsung next aja Yes masih di a day in life of data analy Aku mau share apa yang aku suka nih jadi data analis Jadi sebenarnya simpel sih aku suka apa yaitu eh eh value kita itu apa Jadi yang aku suka adalah kita bisa ngasih Insight yang sebenarnya itu penting banget dan sangat membantu eh para stakeholder para bisnis owner untuk make a decision jadi aku ngerasa kayak impactnya tuh eh apa ya jadi misalnya kamu nganalisis nih terus kamu ngasih rekomendasi terus rekomendasi kamu itu di di apa ya dijadikan sebuah decision gitu Jadi kita Oke kita saran kita a ternyata itu dilakuin Itu menurut aku eh senangnya tuh luar biasa gitu tapi ee itu itu yang itu Yang kesenanganku ya Maksudnya aku suka dari si eh data analis ini tapi pastinya ada challenge-nya ya teman-teman semua maksudnya enggak sesmooth itu juga sih gitu kayak knya setiap hari enak banget Padahal ya tetap aja sih ada ada sesuatu yang menurut aku challenging Which is menurut aku itu positif ya karena aku merasa aku bisa growingnya di sini karena aku menemukan challenge jadi aku bisa e Step Up the game lah intinya gitu Nah challeng-nya itu apa challeng-nya itu salah satunya adalah eh bikin mengemas data itu jadi sebuah cerita gitu jadi misalnya eh teman-teman nih kita kita udah tahu kan Oh iya kita ngolah data ini I tapi begitu kita ketemu sama satu orang atau orang di kantor dia nanya eh eh Lagi analisis apa terus aku ceritain semua in detail ya orang itu kan juga enggak akan nangkap gitu maksudnya Eh detail banget ngejelasinnya panjang lebar padahal sebenarnya poinnya tuh apa Nah itu menurut aku cukup susah ya jadi lebih ke communication juga sih sebenarnya ini juga cukup eh apa ya berguna banget menurutku sebagai data analis eh untuk dari sisi soft skills-nya karena sebenarnya at the end sebagai data analis deliverables kita itu sebenarnya adalah cerita atau sebenarnya presentasi kita yang mau menceritakan eh data Itu menjelaskan apa sih gitu Oke next ke topik berikutnya yaitu tentang analiyticsnya yang tadi aku bilang expectation orang apa sih terhadap role ini Yes Jadi pertama What people know about analytics pasti teman-teman di sini kan udah udah tertarik dengan analtics mungkin tahunya Oh ya data analytics itu eh pasti mereka banyak Data diiging nih Yes Benar banget kita data exploration Lalu setelah itu datanya diapain kita synesiz datanya intinya apa sih bacaan dari data tersebut gitu dan yang terakhir kita kasih Rekomendasi ke eh stakeholder kita nah sebenarnya apa sih super power dari eh anak analitics nih sebenarnya super power itu quode and code Ya maksudku adalah ini adalah eh role eh eh apa namanya skills yang mungkin eh lebih banyak dimiliki oleh anak-anak data analytics yang pertama adalah connect the dots connect the dots itu maksudnya apa jadi eh Biasanya nih kalau di kantor Ada sebuah pertanyaan mau lihat dong dari data untuk menjawab pertanyaan a misalnya eh terus kalau kita sebagai anak data biasnya kita sudah tahu Oh oke kita mau ambil data ini dulu nanti diupport dengan ini support dengan ini jadi kita bisa tahu nih rekomendasinya apa gitu jadi Biasanya kita bisa tuh nyambungin datanya data yang harus harusnya data mana yang sesuai untuk menjawab pertanyaan tersebut gitu dan ditambah lagi ya tadi storyteller kita bisa nyeritain Gimana caranya kita ngekemas jadi eh cerita yang menarik bukan cuma menarik ya tapi berguna gitu daripada kita udah udah bikin E apa Data Processing lama-lama data lama-lama tapi ternyata py Kita enggak ngerti jatuhnya percuma juga ya kan nah jadi sebenarnya dari kedua ini boleh di Ya intinya kita bisa jadi game Changer jadi J kalau kamu semua udah tahu itu kira-kira yang analiytis tu biasa ngelakuin hal itu terus kamu punya si super power ini biasanya kita bisa jadi game Changer karena sebenarnya ekspektasi mereka terhadap kita adalah mereka pengin banget kita ngebantu untuk answering busniness questions mereka punya pertanyaan-pertanyaan yang pengin banget mereka jawab mereka validate dari data gitu dan yang berikutnya juga kita bisa convince mereka meyakinkan mereka kalau E yes Eh ini adalah rekomendasi yang tepat untuk mengatasi eh untuk menjawab bisnis eh questions mereka gitu oke lanjut ke Next Yes ini adalah eh main agendanya ya tadi mungkin lebih sedikit ke prolog dulu nah ini main agendanya ini aku kutip juga nih Jadi kurang lebih ini cukup menggambarkan nih life cycle of data analysis Project Jadi biasanya ada step s step du eh kita biasanya dimulai dari eh mungkin kalau bikin skripsi atau tes Kayak pendahuluan dulu nih Biasanya kita pengin tahu dulu apa sih permasalahan nya data apa yang harus digunakan seperti itu lalu di step 3 45 biasanya itu hard skill kita nih mulai bermain Ee gimana cara ngolah datanya Yang pastinya di revu juga ada nih kan udahudah dilengkapin banget tentang Eh training-training gimana caranya kita bisa mengolah datanya tersebut Lalu at the end adalah bagaimana cara memvisualisasi datanya dan mengemas jadi sebuah cerita yang mudah dimengerti nah di sesi Sharing Session aku kali ini aku akan fokus ke step sat 1 2 dan en jadi lebih ke soft skills-nya nih bukan tentang eh gimana cara mengolah datanya gitu next slide berikutnya Oke bring analytics Down To Earth intinya memang simplifying analisis ya bukan simplifying ngolah datanya tapi lebih ke bikin ceritanya jadi karena sebenarnya analisis itu adalah kita mengobservasi sesuatu secara mendetail lalu kita bisa menemukan findings di situ nah aku punya tips-tips yang biasa aku lakuin juga nih sama timku di kantor di happy fres yang pertama adalah boleh di Yes into buisnis questions jadi kita harus paham betul bisnis questions-nya apa lalu step kedua boleh di data understanding-nya sendiri Kita harus paham data yang mau kita pakai itu apa lalu yang ketiga eh bikin cerita yang menarik yang mudah dimengerti oleh eh orang lain Jadi bukan cuma kita doang nih yang paham biasanya kan data analytics mungkin mikirnya datanya Kompleks banget Terus kalau kita benar-benar cerita kita ini sedetail itu pasti orang juga kayak ya ya enggak ngerti juga maksudnya apa gitu oke aku mau detailin yang nomor satu dulu into buisniness questions listen to understand benar-benar di sini komunikasi soft skills communication berjalan banget nih jadi kita dengerin nih si stakeholder ini eh permasalahan mereka apa sih gitu Jadi pertama menurut aku yang paling penting adal redefining problem statement-nya dulu kita punya clear problem statement-nya dulu apa yang mau dipecahin objektifnya apa dari analisis kita ini nih e si stakehholder itu mau tahu apa karena sebenarnya data itu bukan cuma data set yang kamu ambil di database itu semua bukan semua orang Ya maksudnya cukup banyak yang sudah bisa ngelakuin itu tapi gimana cara bikin Eh nyambungin itu dengan data-data itu dengan permasalahan itu yang sebenarnya another Story nah tips dari aku problem statement itu e sebaiknya mencakup current condition Jadi sebenarnya kondisinya apa sih lalu yang kedua adalah consequenses atau risknya Jadi kenapa itu bisa jadi problem karena pastin ada resikonya dibalik itu lalu yang kedua setelah kita sudah punyaar clear Problem statement-nya objektifnya apa yang kedua Kita bisa mulai dengan bikin hipotesis nih ini biasanya aku lakuin nih kalau teman-temanku di kantor E mau nganalisis kita bikin dulu kayak gini urutannya hipotesis kita bikin hipotesis Kenapa sih harus mulai dengan hipotesis sebenarnya tujuannya cuma satu supaya analisis ini fokus karena dari sekian banyak Data itu biasanya kita enggak fokus eh kita lihat data a b c nanti ujungnya kita pengin nambahin data di d e f akhirnya datanya bakal banyak banget insight-insight-nya bakal eh ke mana- keema gitu Nah di sini makanya aku selalu menyarankan kita mulai dulu nih bikin hipotesisnya itu apa karena benar-benar hipotesis bisa bikin kita fokus nah hipotesis itu sebenarnya apa sih biasanya hipotesis itu adalah prediksi-prediksi atau asumsi atau opini terhadap eh problem statement-nya misalnya kita maujawab suatu pertanyaan biasanya ee jawabannya apa ya Apakah a apakah b Apakah C Nah itu sebennya hipotesis dan menurut aku hipotesis yang baik itu adalah yang punya variabel jadi bisa diukur dengan data jadi bisa kita buktiin e bisa kita validate hipotesisnya itu eh apa namanya valid atau enggak gitu Nah setelah kita udah punya tadi problem statement yang jelas objektif yang jelas hipotesisnyaudah jugaah ada beberapa hipotesis saran dari aku jangan cuma satu ya Ada beberapa lalu kita masuk ke data understanding boleh Dik Yes nah di data understanding ini sebennya kita nentuh kitaudah tahu hipotesisnya apa nah data poin apa aja sih yang kita butuhin untuk menjawab hipotesis untuk mvalidate hipotesis tersebut Biasanya aku jabarin tuh yang relate apa aja aku tulis habis itu nanti aku Ulang lagi Oh ternyata ini kayaknya enggak deh kok ini terlalu melenceng ya terlalu melenceng ya itu benar-benar eh Real Story tuh eh aku dan teman-teman juga masih suka kayak gitu Jadi kita juga masih belajar nih dan yang terakhir tadi setelah kita udah tahu ya hipotesisnya datanya apa terus masuk ke proses yang ngolah data ujung-ujungnya yaitu kita bikin cerita dari datanya tersebut tuh Seperti apa intinya butuh banget bisnis understanding yang baik supaya kita bisa tepat nih ngejawab pertanyaannya Gitu Ee lalu saran dari aku saat kita bikin ceritanya itu guna ee Coba kita gunakan kata-kata atau kalimat-kalimat yang di e termstterms yang dimengerti oleh orang lain orang banyak gitu jadi bukan cuma konsumsi kita aja maksudnya sebenarnya lebih disesuaikan dengan audiens sih tapi biasanya audiens itu kan bukan orang data juga ya Jadi kalau kita kasih termstterms yang terlalu heavy gitu orang juga ngerti apalagi kalau kasih-kasih singkatan-singkatan yang statistik atau apa biasanya mereka enggak ngerti apa Jadi intinya apa sih mereka pasti bertanyanya itu sih dan saran dari aku untuk di eh bikin cerita ini at the end kita pasti kasih rekomendasi saran dari aku kita kasih rekomendasi Jangan cuma satu tapi kasih mereka tuh option karena kan mereka decision makernya jadi kita kasih optionnya apa Dan jangan lupa dilengkapi dengan eh consequenesnya apa di tiap eh optionoption yang kita berikan begitu next untuk Oke ini aku coba ini ya Eh tadi kan lebih ke konsep konsepnya ini aku lebih ke eh ngambil sampel yang mungkin relate dengan Happy fresh nih case- case-nya jadi Pertama eh into buisnis question-nya dulu redefin the problem pertama clear problem statement jadi misalnya gini ada tulisan kayak gini ada stakeholder datang misalnya mau dong e dianalisis topiknya ini apa tuh topiknya PRnya ini x supermarket itu partner kita eh yang merupakan top three highest S volume di tahun 2020 oke terus kalau kita cuma berhenti di sini kita langsung mulai ngambil data nganalisis aku yakin banget akan ngawang kita gak tahu maksud dia maksudnya apa kan kayak tujuan dia tuh request ini tuh apa gitu nah coba di next lagi nah kita bisa nanya ke stakeholder itu maksudnya apa nih boleh t perjelas enggak oke dia Perjelas lagi dia akan kasih tahu Oh ternyata si supermarket ini misalnya kontraknya akan habis nih terus eh dan ternyata dia lagi develop ceritanya platform misalnya Jadi sebenarnya ada ada resiko nih di sini kalau eh kita akan kalau kita dia enggak melanjutkan Partnership dan kita enggak extend kita akan kehilangan sales volume Oh di situ udah ketebakan oh oke berarti ini emang adalah sebuah masalah ya ini adalah current condition-nya dan ada resikonya apa nih Kalau ini Enggak diackle lalu ini aja menurutku masih belum cukup karena kita harus eh sebaiknya kita tambah dengan eh objektif yang jelas next Ya next lagi Yes jadi langsung fokus ke yang hijau aja jadi kita bisa tanya juga Oke jadi yang mau dilihat itu apanya Oke ternyata yang mereka mau lihat stold lihat itu adalah pengin tahu selling point dari supermarket ini karena hipotesis mereka eh si supermarket ini harganya tuh mahal tapi kok Eh orang-orang pada tetap belanja di situ ya Jadi kan pada tahu Oh oke eh berarti kita harus ngapain Kita harus ngejawab nih si eh objektifnya ini ini kira-kira problem statement-nya Jadi udah lebih clear udah lebih tahu udah lebih ada bayangan Oh berarti kita ngambil kita bakal pakai data eh X supermarket ini misalnya kita cari kompetitornya kompetitornya yang mana yang sesuai datanya kira-kira butuh butuh dari kapan gitu lalu next nah tadi udah punya si e problem statement-nya sama objektifnya berikutnya Kita bisa mulai dengan hipotesis nah eh ini tadi yang sudah aku bahas quick tipsnya hipotesis itu sebenarnya membantu kita untuk fokus dan EE sebaiknya ada variabelnya juga ya di situ yang bisa kita tes dari data next Misalnya ini aku mencoba ceritanya bikin analisis pertama tadi kan sebenarnya objektifnya adalah mau tahu selling pointnya apa Oke mungkin hipotesis pertama ini adalah opini ya sebenarnya jangan-jangan X supermarket itu menawarkan produk yang emang gak ada di tempat lain nih gitu makanya jadi orang-orang pada belanja di situ nah itu yang kita mau jawab Nih dari si eh hipotesis ini lalu hipotesis kedua supermarket ini punya high retention rate retention rate di sini maksudnya purchase jadi dia order lagi eh apa namanya rate dia untuk order laginya itu cukup tinggi karena tadi kita sempat hipotesisnya sempat mention dia mahal tapi orang tetap belanja lagi di situ kan jadi kita mau eh validate juga nih di hipotesisnya Lalu ada lagi hipotesis ketiga ini aku kasih contoh aja ya ceritanya Mungkin jangan-jangan orang belanja di situ karena Emang enggak ada pilihan lain di radius itu cuma ada supermarket itu doang gitu nah ini yang mau kita jawab lalu next setelah udah tahu hipotesisnya Nah pertama yang biasa aku lakuin adalah kita cek dulu nih butuh data range-nya Berapa lama Apakah 3 bulan terakhir 6 bulan terakhir 12 bulan terakhir 2 tahun terakhir karena itu penting banget mungkin kadang kita mikir semakin banyak Data semakin baik ya semakin baik tapi semakin bikin kita pusing karena jadi kita enggak fokus eh kita enggak tahu Eh data karena setiap e semakin banyak Data Inside tuh emang akan semakin banyak tapi balik lagi kita harus fokuskan di tiap analisis topiknya nih apa jadi misalnya contohnya kalau kita lagi mau melihat e sales misalnya kita bandinginnya bisa year on year atau on tapi kalau misalnya kita lihat misalnya mau tahu user perubahan user behavior before dan after pandemi ya berarti kita timeame-nya lebih jauh nih sebelum pandemi berarti dari 2019 misal sampai sekarang gitu nah next kita coba nih sekarang ngelihat data poinnya ya dari hipotesis pertama ini kira-kira data apa yang bisa kita pakai untuk menjawab esis yang pertama ini misalnya tadi kita kan hipotesis pertamanya eh jajangan dia eh X supermarket ini memang hanya menawarkan barang-bareng yang unik nih yang enggak ada di tempat lain nah gimana cara validate-nya yaitu pertama kita lihat Oh ya emang dia nawarin Berapa banyak sih produk-produknya yang apa namanya E ditawarin Cuma di dia aja misalnya kayak gitu lalu kita bisa tambahin juga nih beberapa data poin lain yang menurut kita relevan lanjut ke hipotesis kedua dan data poinnya nah ini untuk Rain yang tadi repurchase rate Kita juga bisa compare dengan eh supermarket lain misalnya karena jadi kita bisa tahu kan tinggi atau rendahnya itu berdasarkan apa bisa dengan dari average-nya juga atau dari median si eh repurchase rate-nya jadi kita e melakukan komparasi di sini kalau yang terakhir hipotes terakhir nah jadi eh ya ini hipotes terakhir Jadi sebenarnya data po itu enggak harus enggak harus banyak-banyak banget beda-beda sebenarnya setiap hipotesis karena sebenarnya kita mau gali apapun yang menarik di situ kan jadi Biasanya kalau aku dicoba dulu dengan dengan yang primary dulu Biasanya aku bol yang primary nanti setelah itu baru ada seperti eh data point turunannya lah ya yang kira-kira itu bisa dieksplor untuk jadi findings Oke next Oke tadi kita udah di step awal awal ya 1 sampai 2 Nah sekarang untuk data exploration nih ini mungkin bagian yang aku enggak terlalu banyak ngobrol di sini akan aku skip tentang data exploration tapi intinya eh deliverables data exploration ini adalah jawaban atau fakta dari hipotesis tadi atau enggak sih hipotesisnya Oke boleh di sampai hipotesis Ketiga satu lagi ya jadi hipotesis itu enggak harus selalu valid karena itu kan masih asumsi pertama gitu jadi bisa jadi hipotesis kita valid bisa jadi hipotesis kita invalid bukan berarti hipotesis invalid itu adalah kita enggak akurat nih bikin hipotesisnya enggak kayak gitu juga karena bisa jadi kita bikin hipotesis berdasarkan data yang terdahulu misalnya aku Oh hipotesisnya sekarang e user biasanya mencari barang misalnya hand sanitizer gitu Tapi itu ternyata so Last year tahun 2020 Pas awal pandemi sekarang user carinya minyak goreng misalnya kan di di Indonesia gitu jadi eh itu bisa banget eh eh hipotesis-hipotesis itu eh tidak invalid eh setelah kita lihat data yang terbarunya Oke next nah ini tadi setelah kita udah tahu eh PR statementnya apa lalu kita sudah tahu hipotesisnya apa kita langsung cek datanya sendiri sudah tahu nih akhirnya Oh hipotesisnya sudah terjawab nih valid atau enggak kita langsung mulai bikin cerita nih ceritanya pasti didukung juga dengan visualisasi ya kalau untuk data Pasti karena enggak mungkin kita ngasih tabel dataas set ya kan nah next untuk Aku punya beberapa tips yang bisa dipakai juga mungkin untuk eh apa namanya menunjuk misualisasikan datanya Nah ini pertama adalah simple t jadi simple t ini kalau misalnya kamu eh mau ngempasiz ng-highlight hanya satu atau dua number aja Itu bisa Pak pakai teks aja jadi kita highlight aja si percentage-nya atau si number-nya itu karena sebenarnya ini udah langsung tinggal dibaca aja orang juga Ah langsung paham sih Lalu berikutnya nah tabel tabel biasanya itu untuk kita ngasih data yang biasanya enggak terlalu banyak masih bisa readable gitu masih bisa dibaca tapi matriksnya atau eh bukan matriks Sorry eh units of measurement-nya beda-beda misal di sini aku tulis ada unique user ada eh basket size ada number of item-nya jadi Biasanya kalau kita mau ngasih tahu e beberapa unit of eh different units of measurement tapi datanya enggak terlalu banyak boleh juga dipakaiin tabel jadi di sini Kita sebenarnya kan gunanya kita bikin data visualisasi adalah supaya reader itu paham datanya itu e maksudnya apa lalu berikutnya hatmap nah hitmap ini sebenarnya sama dengan table tapi bedanya hitmap ini udah bantuin reader untuk dihlight nih Yang mana Yang the highest atau the lowest gitu Oke next Nah tadi itu lebih ke data-data yang mungkin mudah untuk di apa ya ditampilkan ya Yang Masih Mungkin datanya belum terlalu banyak Data POnya jadi enak banget ditulisnya tinggal kayak gitu aja orang juga udah ngerti nah berikutnya mungkin udah mulai-mulai main ke yang kalau datanya udah jutaan Nah kita bisa pakai skatter plot skatterer plot di sini Sebenarnya untuk nunjukin dua dua matriks eh relasi dari dua matriks dua measurement jadi misalnya kamu punya Eh ini aku kasih contohnya number of order sama jumlah item yang diorder misalnya gitu kita mau tahu hubungannya gimana sih Nah itu bisa pakai siatter plot juga lalu berikutnya LINE nah ini pasti udah paling familiar ya untuk time series atau trend paling mudah pasti pakai eh Line tapi eh to be noted walaupun line ini adalah hal suatu eh chart yang sangat simpel tapi jangan dibikin jadi apa ya tabel eh sor chart itu jangan dibikin jadi sesuatu yang terlalu sofisticated gitu loh biasanya kan kita kayak penginnya visualisasinya kayak heboh-hebo padahal sebenarnya makin simpel tuh chart makin enak sebenarnya dibacanya makin terhighlight gitu dan next nah kalau bar Biasanya kita pakai untuk perbandingan jadi bisa jelaskan tahu Oh item 4 itu e artinya dia yang paling tinggi misalnya ini biasanya harus ada Butuh tambahan legendnya warna yang orange mudanya itu apa begitu next Oke masih di data visualization ada stackb juga mungkin pada kabel juga pakai stackb biasanya di sini untuk ngelihat ng kategori-kategori nih Ini aku pakai contoh yang 100% jadi kita bisa tahu misalnya yang merah ini bisa dibaca Oh yang merah itu ternyata di tengah tahun dia Eh misalnya makin banyak makin baik ya Membaca datanya J Tengah tahun dia sempat E makin membaik tapiata di end of the year dia udah mulai balik lagi nih ke angka asalnya misal seperti itu kita Lih misalnya trennya bisa kelihatan yang biru apa per Linenya kayak gitu per eh seriesnya Nah berikutnya adalah Waterfall chart boleh di Waterfall chart Yes jadi Waterfall chart ini sebenarnya digunain untuk kita kasih tahu starting point Lalu ada negatif positif decrease increase dan ujungnya posisinya berapa nih eh ending pointnya gimana salah satu casenya Bisa jadi kayak e untuk penjualan sih misalnya sales gitu ya sales and cost gitu jadi kan tiap hari pasti ada costnya tetap jalan tapi sales-nya ada enggak sih misalnya kayak pertama tadinya kita punya uang balance-nya 500 lalu besoknya ada penjualan r800.000 ee udah dikurangi costnya Tapi besoknya lagi costnya tetap ada tapi enggak ada yang laku nih Terus besoknya lagi ada yang laku banyak jadi kan biasanya dinamikanya tinggi lalu at the end tuh sebenarnya posisi kita eh posisi uang kita tuh gimana sih terhadap penjualan itu nah bisa ditunjukin di waterfall-nya juga Waterfall juga mungkin bisa dipakai untuk biasanya tuh banyak yang pakai untuk eh Head count juga ya jadi misalnya berapa banyak yang masuk berapa banyak yang keluar jadi posisi head count kita gimana nih gitu nah aku juga punya tips untuk eh data visualization ini Yang Pertama eh Ini saran sih ya bukan to be avoided kayaknya bahaya banget gitu Tapi maksudnya lebih ke saran dari aku e Mungkin kamu bisa ganti pie chart atau donut chart ini adalah hal yang paling paling sering banget dipakai orang Maksudnya aku sering banget nemuin eh Case Study cas study orang pakai chart-chart ini aku cobain k case studynya dengan data yang mirip-mirip misalnya 33% 34% itu kan e valuenya mirip banget ya dekat banget biasanya mereka Pak langsung chart atau donut chart nah sebenarnya kalau di situ tuh menurut aku kurang kehighlight bedanya itu apa Nah ee jadi Padahal kita pengin punya chart ini supaya orang lebih cepat ngerti kan jadi di situ saranku bisa direplace aja pakai horizontal eh bar chart tadi kan kalau yang aku tunjukin yang eh vertikal ya yang horizontal bar chart jadi yang eh kelihatan tuh Oh ini udah sejauh apa ini udah sejauh apa Jadi itu biasanya lebih jelas menurutku perbedaannya dan yang terakhir sembennya 3D chart itu tadi aku bilang make it simple aja sih makin heboh visualisasi sih biasanya makin susah buat dimengerti karena sebenarnya chart itu buat ngebantu kayak orang sekilas aja lihat Oh ternyata yang merah itu yang paling tinggi ya gitu supermarket ini yang paling perform Ya tapi kalau kita pakai yang visualisasi yang hebo-hebo biasanya cukup sulit orang butuh waktu beberapa detik lagi untuk e mencerna Oke tadi ini untuk tentang si e data visualisasi Nah sekarang aku mau mulai masuk ke ceritanya nih gimana caranya bikin conclusion sama recommendation Jadi biasanya habis kita bikin Eh tadi prepnya udah datanya udah tahu apa Eh hipotesnya sudah tahu apa Pasti ujungnya kita harus bikin recommendation e conclusion dan recommendation kan Nah conclusion itu biasanya isinya apa sih saran dari aku isinya kita coba recalling lagi objektifnya tu apa mungkin problem statement enggak usah sih Terlalu jauh ya Jadi objektifnya apa lalu kita Jawab eh dengan fakta-fakta dari si hipotesis tadi Biasanya aku tulis misalnya hipotesis ada tiga ya aku tulis tiga-tiga faktnya apa kalaupun hipotesis tidak valid bisa ditulis F yang benarnya apa lalu Biasanya aku siapin satu poin ya Beberapa sih tapi minimal biasanya satu untuk eh findings yang menarik yang yang tidak ada dari eh hipotesisnya lalu yang terakhir masuk ke rekomendasi nah next Oke ini salah satu contoh conclusion-nya Jadi aku pakai beberapa warna supaya kelihatan beda jadi si hijau pertama itu adalah objektifnya jadi kita recalling kan pembaca udah go through nih dari semua dokumennya hasil analisis dia recalling lagi Oh ternyata tujuannya tadi tuh buat ini ya lalu ya Kita kasih ee apa nih namanya eh kata apa sih namanya channeling phrase gitu ya untuk menjelaskan ini apa yang ada di abu-abu lalu yang di agak orange ini yang tiga poin itu adalah fakta dari eh hipotesisnya apa lalu yang biru di poin yang keempat warna biru itu lebih another findingsnya itu apa yang mau kita highlight yang tadinya enggak ada di hipotesis lalu yang terakhir jangan lupa pakai kata-kata yang menekankan kayak in conclusion to summarize jadi supaya itu membantu eh reader juga tahu Oh oke ini Tata udah sampai di conclusion ya gitu lalu next Biasanya aku conclusion dan recommendation aku pisah karena di sini mau cukup mendetail ya rekomendasinya apa konklusinya apa hipotesis itu jawabannya apa Nah recommendation Biasanya aku kasih eh minimal itu dua karena kita kayak memberikan option gitu dan eh selain dua kita juga kasih konsekuensinya apa contoh ini yang pertama misalnya kita menyarangkan ayo kita extend Partnership sama mereka tapi kita tulis Keep in mind kalau resikonya tuh apa sih kita harus ngapain adaakah effort lebih atau ada sesuatu yang eh harus kita Consider gitu lalu contoh yang kedua juga misalnya kita kasih opsi Oh ya kita bikin Warehouse sendiri aja tapi kita tetap kasih It should be considered kalau ternyata misalnya bikin bikin eh Warehouse itu effort-nya cukup banyak setup -nya bla bla bla jadi eh stakeholder tuh bisa tahu Oh I benar juga ya ternyata kalau kita ngelakuin a konsekuensinya ini kita lakuin B konsekuensinya ini Oke biasanya ini udah ending dari eh analisisnya nih recommendation tapi aku punya tips satu lagi ble di nah biasanya tuh Eh masih suka kecampur nih Executive summary sama conclusion Bedanya apa ya Executive summary itu di mana conclusion itu di mana mungkin kalau conclusion ah pada tahu pasti biasanya di ujung ya di at the end nah tapi kalau Executive summary itu biasanya di paling awal nih setelahnya judul Nah maksudnya tujuan dari executif sumary itu apa sih sebenarnya adalah itu untuk e membantu reader tahu dokumen kita ini akan membahas apa misalnya mungkin yang skripsi tesis biasanya tahu Biasanya disuruh tulis abstrak kan Nah sebenarnya itu sangat membantu kan kita jadi kalau e dokumennya itu 50 100 halaman kita kan misalnya kita nih kita mau cari literatur ya biasanya kalau skripsi ya kita lihat abstrnya dulu aja Oh relate gak sih sama kita kalau gak relate ya udah gak jadi nah jadi itu sebisa mungkin benar-benar meng-cover apa aja yang kita bahas di eh dokumen analisis kita ini Jadi biasanya ada problem statement ada objektifnya saran dari aku hipotesisnya enggak perlu dibreakdown langsung aja langsung ke summary-nya aja sumary Dar hipotesisnya lalu kasih juga rekomendasinya nah kalau conclusion Bedanya apa ya tadi conclusion adanya di paling bawah Jadi mereka tuh udah tahu kan prosesnya apa ujung-ujungnya di conclusion Jadi sebenarnya problem statement enggak perlu dibahas lagi di sini tapi kita kasih tahu lagi objektifnya lalu kita kita breakdown lagi si hipotesisnya tadi valid atau enggak tapi kita enggak perlu kasih S hipotesis tapi tetap recommendation harus tetap ada begitu Oke next memm Iya ini kira-kira tadi Executive summary-nya Aku mau kasih contoh Executive summary ada di slide berikutnya nah sorry ini agak panjang tapi kurang lebih ya begini ya ex sumary agak warna-warni nih Jadi pertama kita harus kasih tahu jadi eh tujuan dari exsecutif su ini adalah eh ini sama bisa enggak enggak benar-benar copy and paste Ya misalnya kamu mau kasih tahu hasil analisis kamu via email semua ini bisa dipakai tapi gak enggak benar-benar exact kayak gini ya bisa diimplified lagi di email tapi kir-kira gambarannya ini jadi kita kasih tahu Problem statementnya apa objctif dari analisisnya apa terus e jawabannya itu apa conclusionnya itu apa gitu dari hipotesisnya engak perlu tuh dibreakdown lagi hipotesisnya ini data enggak karenanya cuma butuh satu halaman aja lalu kita tekankan di rekomendasinya apa gu eh next nah ini udah di ujung slide aku Sharing Session aku key takeway-nya dari Sharing Session aku ini tentang eh cerita eh dari data yang pertama adalah kalau kita punya bsis understanding yang baik dan kita juga punya data literacy Which is sebenarnya soft skills dan hard skills di data analys pasti kita bakal jadi Star sih aku yakin banget pasti orang-orang akan akan E mencari kita untuk membantu mereka menjawab bisnis mereka lalu berikutnya berikutnya adalah tadi hipotesis hipotesis benar-benar menurut aku Dewa banget membantu banget bisa bikin kita tuh fokus karena sebelumnya aku gak mulai dari hipotesis nih belajar dari aku aja yaak mulai dari hipotesis aku main aja hajar Oh ini Oh udah ngerti bangetsung data begitu aku bikin cer oke bye gak nyambung ter yangung Cum Mas sebagian padahal ngolah datanya tuh udah lama banget jadi Biasanya aku juga saranin sama timku kita bareng-bareng kalau mau mulai analisis ya tadi bikin yang awalnya tadi per statementnya apa objektifnya apa hipotesis apa datanya maunya apa baru kita mulai ngolah data karena kalau kita skip si hipotesis ini biasanya udah cukup melenceng gitu lalu yang terakhir yes benar banget jadi as the data analytics itu sebennya kita seperti Ting tank-nya dari decision Maker ya Jadi kita harus paham banget sebenarnya problem mereka itu apa lalu dengan data kita bisa mengubah ngetranslate mengubah lah ya mvalidate opini yang tadinya cuma opini asumsi jadi fakta dan dengan cerita yang kita kemas dengan baik yang mereka mudah pahami pasti kita bisa convince mereka kalau rekomendasi dari kita itu adalah rekomendasi yang terbaik oke sekian dari aku semoga bermanfaat Ya teman-teman semua sharingnya balik ke cita Oke thank you banget k Manda Kak kalau gitu Langsung aja kita bacakan nih kak pertanyaan-pertanyaannya yang sudah masuk ya oke banyak ya I lumayan nih k yang pertama ada dari Ido Suranta pandaptan Munte Apa tantangan terseru saat anda menjadi data analis Dan bagaimana anda menyelesaikan tantangan tersebut Wah ini lebih ke pengalaman Kak Manda berarti ya wah benar-benar kayak materiku sih ini adalah yang bikin cerita tadi Bagaimana aku nyelesai aku bikin E ini template kayak G inih jadi setiap aku bikin analisis ya aku mulai dengan template tadi itu jadi bikin aku tuh lebih fokus waktu waktu kinerja tim tuh juga lebih terukur gitu karena yang tadinya eh kita ngambil data poin banyak Percaya deh sama aku data itu banyak banget kamu pasti pengin lihat kiri lihat kanan lihat kiri lihat kanan akhirnya ke mana-mana ini benar-benar yang aku share ini salah satu tantangan terseru ya qu and quote yang sampai sekarang aku juga masih belajar sih buat bikin ee analisisnya jadi lebih mantap prosesnya juga lebih eh smooth karena sebenarnya biasanya eh kendala pertama itu enggak paham konteks yang mau dianalisis Apa itu sih menut aku udah kalau kita enggak paham banyak sih sebenarnya yang salah ngerti maunya sebennya ST maunya ini tapi kita Kok jawabnya ini ya ujunnya kan harus ngulang lagi saya enggak sih waktunya udah udah nganalisis data kan aku paham banget ngambil data ngolah data tuh Wow banget makanya kita butuh si data analis ini gitu semoga ngejawab ya Mas Ido he semoga terjawab ya Ido pertanyaannya selanjutnya ada dari riasti Bagaimana peran seorang data analis dalam penyelesaian masalah atau kendala yang dialami di Happy fresh Oke peran jadi kita working closely with stakeholder tadi ya bisnis owner atau orang-orang yang ada di departemen-departemen lain yang e mereka punya bisnis question tadi biasanya Peran kita itu kita memberikan Rekomendasi ke mereka melalui datanya karena kan mereka sebenarnya tadi aku bilang Eh punya pengin pengin mengubah regulasi atau apa maksudnya regulasi tu lebih ke ini ya kayak misal tadi free delivery atau apa mereka pengin tahu itu tapi sebenarnya ada efek apa ya segala macam jadi kita tuh semuanya bisa ngasih pandangan-pandangan membuka wawasan mereka bahwa ternyata yang tadinya opini faktanya itu adalah ini jadi kita bisa bisa ngasih tahu tuh e jadi opsinya ada AC gitu itu perannya sih untuk decision makernya ya he Oke terima kasih Yaudah bertanya nya rias mudah-mudahan terjawab ya kepokannya selanjutnya ada dari Adam Asyari Hai Kak saya mau tanya ketika Kakak dihadapkan dengan sebuah dataset atau database gimana Kakak menentukan apakah dataset atau database itu layak untuk dianalisa wow wow wow oke eh data set kali ya lebih ke dataaset pertama mungkin pakai common sense dulu kali ya jadi biasanya datanya itu Eh kita tuh tahu pasti eh rentang pakai common sense rentangnya itu seperti Apanya maksud aku ini sebelum masuk ke teori-teori statistik ya pakai common sense dulu tuh sebenarnya menurut aku udah udah oke lah ya Misalnya contohnya nih Eh kita mauanalisis tentang eh waktu orang berbelanja misalnya di Happy fresh tiba-tiba ada yang datanya itu orang butuh waktu berbelanja misalnya 100 jam gitu di Happy fresh nah menurut kamu Make sense enggak sih datanya Kalau itu ada gitu Jadi biasanya di situ kita Oh kayaknya ee enggak ini apa ini outlier atau apa Biasanya kita kayak lihatnya di situ sih Terus kita lihat juga dari historical Datanya juga dan pastinya Kita kan punya ini ya monitoring dashboard yang biasanya itu udah saklek gitu maksudnya kita udah tahu misalnya basket size Kita sebenarnya Berapa jumlah user kita biasanya berapa Nah itu biasanya kalau data set yang melenceng-melenceng agak-agak aneh Biasanya kita pasti pertanyakan sih biasanya eh kita mulai cek lagi Oh iya sih jangan-jangan data ini salah Ya tapi ini ya sering juga sih terjadi Maksudnya kita sudah ngambil data pas kita lihat kan misisnya kita ngquery gitu pas kita lihat ee kok kayaknya aneh ya masa jumlah orang yang melakukan ini lebih banyak daripada yang melakukan ini nah jadi menurutku common sense juga terasah banget sih di sini Oke jadi bisa dimulai dengan common sense Adam tadi tips dari Kak Manda ya ya itu paling cepat sih Oke Next question dari Dian araminta Ramadani ya bagaimana mengolah outliers pada sebuah data set Oke ini teknikal nih Kak sekarang ini cukup panjang nih kalau kalau ngomongnya outliers ya outliers sebenarnya outliers itu definisinya kan sebenarnya adalah data yang eh apa ya yang nilainya itu beda sendiri gitu Ya kan biasanya dia jauh sendiri nih yang lain misalnya ada di populasinya 0 sampai 10 tiba-tiba dia di atas 200 kan itu biasanya kita bilangnya outliers nah mengolah data itu maksudnya kita treat kali ya Eh kita mau trade e Seperti apa gitu eh biasanya Setahuku ada tiga kemungkinan yang yang bisa dilakuin yang pertama adalah ya keep it aja data itu as a as a data karena data data Itu adalah sebuah data yang pastinya ada artinya kan nah itu yang paling sering kita lakuin kita tetap aja Datanya ada yang kedua adalah kita ganti datanya Wow kayaknya ini banget ya Eh ekstrem banget kita ganti searnya kenapa bisa kita ganti ini ini jarang banget sih dan ya aku enggak bisa bilang aku rekomendasiin ya ini jarang banget terjadi misalnya kita Yakin banget ini kayaknya datanya Salah ngambil data deh misalnya kayak gitu Nah itu kita bisa rek lagi kalau misalnya masih bisa direrecek ya tapi kadang kan kalau data-data misal kayak user Interaction gitu biasanya ya kita cari eh time baru aja sih buat tahu make sure Oh ini semnya out Lier atau enggak tapi aku tidak merekomendasian untuk di-reeplace ya kecuali memang jelas misalnya eh sales volume-nya Eh di sini tiba-tiba naik tinggi banget terus kita cek ke ke countryya misalnya atau ke ee apa sih namanya di kota tersebut orang finance-nya ternyata oh ya enggak ada itu salah kebanyakan nol oke itu boleh sih diganti gitu lalu ini ini sesuai praktik ya biasanya lalu yang terakhir adalah kita enggak pakai aja kita buang aja datanya Wow itu ekstrem banget aku sih enggak ngerekomendasiin buat dibuang karena menurut aku data itu ya data karena sebenarnya bisa banget loh Kita sebagai orang data kayak ng-eset eh datanya sesuai sama yang kita mau kan kita bikin aja hipotesis kita semua valid gitu Tapi menurut aku sih praktikalnya e Enggak ya data tetap aja data karena pasti ada Insight dari data tersebut dan saran dari aku kalau kita tetap mau nge-ekip eh datanya si outliers itu Eh kita bisa pakai data eh apa namanya median dan modus atau mode lebih baik jangan pakai Min atau average karena kalau min sama average kalau ada out ler biasanya tuh jauh banget bedanya average-nya tuh bakal bakal jadi gede banget gitu jadi Jadinya data yang kita berikan salah kan konklusinya tapi bisa pakai median median biasanya gak terlalu Eh influ by outer apalagi modus biasanya modus lebih stabil oke oke terima kasih Heeh Ah bertanya tadi pertanyaan teknisnya ya semoga terjawab oleh kak Manda Oke sebelum kita masuk ke Agenda selanjutnya mungkin kita mau panggilin dulu pembicara kita ya yang tadi sudah mengisi hari ini untuk memberikan tips-tips terakhir buat teman-teman mungkin yang mau persukarir di bidang data analyti Oke untuk teman-teman ee Aku senang banget sih lihat antusiasnya di sini tadi saya banyak banget yang bilang kak apa ee aku background-nya ini enggak nyambung tuh gimana ya Wow sama loh kita Aku senang banget lihat antusiasnya keren banget sama-sama Pengin belajar tentang data analytics dan pasti teman-teman Tadi juga udah tahu ya Tadi Mbak cita juga udah jelasin saat ini mungkin demandnya tinggi dan menurut aku data itu is the new commodity pastinya skill untuk mengekplore dan menterjemahkan data ini sangat dibutuhkan nih di berbagai industri dan kita bukan ee hanya nya sekedar paham datanya aja tapi kita juga bisa berkontribusi nih untuk drive busnis decision-nya sebagai data analis apalagi sekarang hampir semua industri tuh sangat data minded ya apa-apa pasti pengin tahu datanya sem kayak gimana sih datanya sembennya kayak gimana sih gitu jadi menurutku Yu enggak usah ragu enggak usah pikirin background-nya apa coba aja kalau emang tertarik karena sebenarnya objek yang dianalisis tuh beda-beda loh eh ganti-ganti dan menurut aku seru-seru banget eh jadi jangan ragu kita coba aja dulu fully equip eh di kita dengan hard skills dan soft skills-nya yang nanti bisa menunjang untuk jadi data analytics dan kayaknya Semua semua eh apa namanya training-training ini udah lengkap ya diu G Oke coba aja ya teman-teman Oke terima kasih banyak Amanda untuk pesan-pesannya ya buat teman-teman Oke Guys gimana tadi seru banget ya udah dengerin sharing-sharing dari Kak Manda udah dikasih tahu a day in my life-nya tadi ngapain aja hari-harinya di bidang data analytics terus juga tadi Eh tantangan-tantangannya apa sudah di-share juga ya cara mengovercome tantangan tersebut eh dan juga Tadi sudah dengerin sesi tanya jawabnya mudah-mudahan bisa semakin nambahin nih insightinide buat teman-teman yang hadir terkait implementasi data analytics di dalam sebuah industri pekerjaan yaitu online groceries ya yang hari ini kita dengarin bareng-bareng nah sebelum kita lanjut nih ke Sesi yang berikutnya gitu aku kepingin tanya dulu sama teman-teman setelah teman-teman melalui serangkaian acara Mini course di batch kali ini gitu ya di eh minggu kemarin teman-teman sempat belajar banyak banget tentang teori ada praktik menggunakan tools terus e di minggu kedua teman-teman belajar banyak banget juga tentang persiapan karir dan juga implementasi pekerjaannya nah kira-kira boleh dong e kasih kesan-pesannya gitu ya tulis satu kata untuk revu Mini coursese nah ini udah banyak ya yang memberikan kesan-kesan mudah-mudahan semua sesi-sesinya gitu ya bisa berkenan juga buat teman-teman dan juga bisa bermanfaat nih buat kalian ke depannya gitu Dan kalau misalnya teman-teman ngerasa dari Mini course ini sepertinya teman-teman sudah mulai ee ingin E menemukan passion-nya di bidang data analytics ingin juga memperdalam materi-materinya jangan khawatir ya teman-teman nanti masih bisa ee ikutan nih belajar secara pelan-pelan mungkin apalagi kalau misalnya teman-teman nanti kepingin gabung juga ke fullsack data analytics program karena nanti akan dibantuin dari awal banget bisa disiapkan punya skill yang mumpuni sampai nanti dibantu proses pencarian kerjanya Nah karena di revie fulltech data analytics program ini dibuat bertujuan untuk bisa membantu ya para studen yang punya motivasi tinggi untuk bisa mengupskill diri dan juga memulai karir ataupun mengakselerasi karirnya di bidang data analytics Nah untuk mencapai tujuan tersebut revu akan memfasilitasi kalian dengan eh dua program gitu ya Yang ntingya bisa kalian pilih sesuai dengan preferensi di mana di e program-program ini dibuat gitu ya supaya teman-teman bisa e tadi memperbanyak skill kalian dan juga e apalagi kalau teman-teman ambil program yang lebih lengkap gitu ya bisa dibantu juga untuk pencarian karirnya Nah ada apa aja sih fasilitas-fasilitasnya mungkin teman-teman belum kebayang ya nanti jerni yang akan kalian laluin ketika ber gabung ke fullstack itu bakalan ee ada apa aja nih dan yang bisa kalian dapatkan gitu ya serta bisa dibantu dapat kerjanya itu kayak gimana gitu Nah jadi di sini aku mau e share gitu ya untuk fullstack data analytics program setelah eh teman-teman nanti mau memutuskan untuk bergabung teman-teman akan dapat yang pertama ini namanya revou course gitu jadi di revou course ini di program 3 bulan pertamanya teman-teman Nanti kalian akan diajarin langsung sama para praktisi untuk bisa memperkaya diri dengan skill-skill yang memang dibutuhkan di bidang data analiytics dan teman-teman enggak usah khawatir ya teman-teman akan ketemu dan diajarin langsung secara dua arah dan juga interaktif bersama dengan para expert yang memang pekerjaan sehari-harinya di bidang data analitik supaya nanti materi-materi yang kalian dapatkan pastinya relevan juga ya dengan skill yang dibutuhkan di dunia pekerjaan gitu Nanti kalian selain akan dapatin materi-materi kalian bisa langsung Hands on latihan gitu ya menggunakan tools di bidang data analytics bahkan nanti Enggak cuman mempelajari tools-nya aja teman-teman akan dipelajari juga nih ee dan diperkaya gitu ya skill-skillnya dari mulai mempelajari pemahaman bisnis problem-nya itu juga akan dibekali buat teman-teman supaya nanti Enggak cuman nganalisis data aja tapi teman-teman nanti bisa nih menyambungkan gitu ya hasil analisis data kalian sesuai dengan tujuan bisnisnya Jadi kalian juga harus tahu nih Gimana sih cara teman-teman memahami bisnis problem supaya nanti hasil analisis datanya bisa sesuai ya dan EE sesuai dengan tujuan yang dibutuhkan juga gitu Nah nanti setelah itu teman-teman juga akan diajarin cara untuk mengkomunikasikan Insight tentang data story telling gitu ya jadi communicating with data tuh Seperti apa gitu dari seperti teman-teman mungkin eh nanti akan belajar juga data visualisasinya gitu ya lalu membuat dashboard dan Enggak cuman itu aja teman-teman juga akan belajar mengenai data analytics with Ai yang sekarang ini memang pastinya di ee butuhkan juga ya di dunia pekerjaan jadi teman-teman juga harus bisa nah ini semua Nanti kalian akan dapatin di program yang 3 bulan ini secara intensif bersama dengan para praktisi handal untuk bisa memperlengkapi ee diri kalian e dengan kemampuan-kemampuan yang nantinya dicari nih sama perusahaan Nah setelah 3 bulan ini teman-teman bisa lanjut ke program yang namanya revou next ini khusus buat teman-teman yang pilih programnya itu lengkap ya sampai dengan nanti persiapan pencarian kerjanya juga Maka nanti teman-teman bisa dapatin yang namanya revoun next ini di revou next teman-teman akan dibantu ee dipetakan strategi pencarian karirnya sesuai dengan kebutuhan kalian sesuai dengan karir gol Kalian juga karena aku yakin setiap orang di sini punya impian ataupun goal masing-masing ya terkait karir kalian nantinya mungkin eh industri pekerjaannya juga keinginannya beda-beda gitu ya Aku penginnya di convenional company gitu ya Atau mungkin Aku penginnya di startup Aku penginnya di banking dan lain sebagainya gitu Nah nanti teman-teman jangan khawatir karena di sini akan dipetakkan sesuai kebutuhan dan karir gol kalian serta Nanti kalian akan ketemu nih sama Kak kir mentor yang siap juga gitu ya mendampingi perjalanan karir kalian dari awal banget nih dari mulai pembuatan cv-nya terus juga profile building cara ngebangun portofolio Linkin kalian nanti juga Gimana sih cara dipercantiknya gitu ya supaya nanti bisa makin dilirik sama para rekruter ataupun HR bahkan nanti teman-teman akan dapat nih e tips-tips ataupun materi-materi tentang negosiasi gaji juga serta nanti akan ada sesi mo up interview di mana Nanti e akan ada latihan interview Enggak cuman sama karir mentornya aja loh tapi di mookup interview ini teman-teman akan latihan langsung sama real HR dan juga real user gitu ya supaya nanti teman-teman makin terbiasa ketika interview sama HR itu pastinya akan beda ya yang ditanyain yang disiapin dengan interview user itu pasti Nanti beda lagi gitu jadi teman-teman akan latihan dulu di sini supaya bisa semakin mempersiapkan gitu ya dan bisa semakin meningkatkan peluang kalian untuk keterima nih di PAN impian kalian ke depannya dan di revun next ini teman-teman Enggak cuman nanti di bantuin dari karir mentor ataupun dari Real HR latihan interview dan lain-lain teman-teman juga akan dapat yang namanya virtual internship magang virtualnya gitu ya di magang virtual ini teman-teman bakalan ngerjain case-ce dari Real industry dari perwakilan-perwakilan perusahaan terkemuka so nanti teman-teman bisa banget gitu ya ngeklaim hasil projectnya untuk menjadi portofolio kalian Gitu lumayan banget karena nanti case-case-nya eh membawa nama-nama perwakilan perusahaan yang itu boleh kalian klaim sebagai hasil projek dan portofolio kalian dan nanti di Virtual internship ini kalian juga akan langsung dapat feedback ee secara sesuai dengan industrinya gitu ya dari para perwakilan perusahaan ini yang case-nya kalian kerjakan Jadi kalian sudah tahu dulu gitu ya nanti kalau di dunia pekerjaan apa aja sih Eh kasus-kasus ataupun case yang harus ditangani dan setelah mendapatkan feedback jadi makin terbiasa gitu ya Oh ternyata yang harus di e explore itu di bagian mananya gitu ya atau yang harus dicari di analisis itu bisa di ee sebelah mananya lagi gitu ya Nah nanti teman-teman bisa dapatin banyak banget di sini pengalaman-pengalaman serta bisa mulai networking juga gitu ya dengan para profesionals dari perwakilan perusahaan tadi lalu networking juga ke sesama studen dan alumni bahkan nanti teman-teman juga boleh networking ke para praktisi instructure expertise gitu ya supaya nanti bisa semakin membuka peluang kalian ke depannya gitu Nah kalau misalnya teman-teman Penasaran ya kayak gimana gitu Setelah ee kalian nanti eh menyelesaikan programnya terus untuk networking dan lain-lain teman-teman e juga akan dapat yang namanya revou community gitu ya di sini ini kalian enggak akan DPAS gitu aja setelah lulus kalian masih tetap akan didampingin ya jadi eh revu akan menjadi liveel karier partner untuk kalian juga di mana Nanti misalnya nih Setelah kalian ah e selesai dari programnya Terus ternyata ada tren-tren baru di luar sana atau mungkin ada tools baru yang belum pernah kalian pelajari sebelumnya jangan khawatir teman-teman masih tetap bisa nih ikutan diskusi sharing-sharing mungkin Belajar bareng juga sama para alumni-alumni dan juga expertise lainnya supaya nantinya setelah lulus pun teman-teman enggak akan ketinggalan zaman gitu ya bisa tetap up to date sama perkembangan zaman dan tetap bisa bersaing juga dengan kandidat-kandidat lainnya di luar sana gitu Jadi nanti di sini teman-teman Boleh banget dapatin e materi-materi sharing-sharing dari sesama alumni ataupun experti terus e bahkan nanti teman-teman juga bisa bertemu secara offline ya dengan teman-teman eh alumni lainnya serta nanti teman-teman juga akan ada kegiatan-kegiatan rutin yang akan dilakukan ya Misalnya seminar dan lain-lain atau mungkin kegiatan-kegiatan yang bisa saling memberikan e peluang untuk networking atau membuka kesempatan berjejaring gitu ya di kemudian hari ikutan di revu community-nya ini adalah komunitas e Terbesar gitu ya yang enggak bisa kalian dapatkan di tempat lainnya nih teman-teman Nanti kalau penasaran sama revu community mungkin boleh ya dibantu share nih sama kakak support Squad Link yang ada di e layar ini nanti boleh di-share di live chat supaya teman-teman nanti bisa kepoin nih review community itu kayak gimana gitu ya Nah sekarang kita masuk dulu nih ke slide yang selanjutnya kalau teman-teman sudah mulai tertarik dan juga udah mulai pengin tahu ya Eh fullsack data analytics program di revou serta apa sih Eh perbedaannya gitu ya dengan online courses lainnya aku coba jelaskan dulu ya detailsnya Jadi kalau teman-teman gabung di fullsack data analytics program teman-teman akan dapat durasi belajar hingga 6 bulan jadi lebih panjang ya durasi belajarnya dengan berbagai macam opsi pembayaran yang fleksibel juga nih bisa disesuaikan dengan preferensi kalian masing-masing Lalu nanti ada job garanti nih teman-teman di sini job garantey-nya berupa refund ataupun pengembalian dana gitu ya semisal teman-teman sudah lulus dari programnya eh ternyata tidak berhasil ini dapat pekerjaan Maka nanti ada job garanty ini juga gitu lalu untuk learning akses-nya Nah materi-materinya bisa kalian akses secara unlimited 24/7 gitu bahkan nanti setelah lulus pun teman-teman masih bisa ngelihat lihat lagi kelas-kelas ataupun materi-materinya untuk bisa kalian review lagi gitu ya jadi ini bisa kalian baca-baca lagi semua materi-materi kelasnya gitu nah kalian akan ketemu nih sama para expert di bidang data analytics yang akan menjadi instruure kalian di kelas Lalu pastinya ada tugas-tugas juga yang bisa kalian kerjakan di mana ini aku mau sedikit ya biasanya untuk tugas-tugas di Rev full stack ini eh bakalan ada tiga level gitu Yang pertama adalah level foundation yang kedua adalah level intermediate dan yang ketiga adalah level Advance Nah untuk tugas-tugas advance yang ada di review fulltech ini bakalan 111 dengan technical case interview yang ada di perusahaan-perusahaan teman-teman jadi harapannya nanti kalau teman-teman gabung ke fulltech terus ngerjain juga tugas-tugas advance-nya nah kalian bisa semakin terbiasa ya Ketika nanti dapatin technical interview dari perusahaan impian kalian gu Lalu nanti ada e study group juga gitu dan teman-teman enggak usah khawatir ya ini yang paling eh penting nanti akan ada karir support ada virtual internship gitu ada mup interview yang bisa semakin meningkatkan peluang kalian untuk di-hire dan mendapatkan pekerjaan di bidang data analitik serta nanti akan dibantu dipetakan strategi pencarian kerja yang sesuai juga nih dengan goal kalian masing-masing nah semua ini bisa kalian dapatkan di program fulltech yang 6 bulan ya teman-teman Di mana untuk tuision fee-nya ini di angka R juta tapi untuk kuota kelasnya ini sangat terbatas jadi semisal nih teman-teman kepingin ngetekin dulu gitu ya cepat-cepatan mengamankan kuota kelas full stack di batch yang terdekat ini silakan bisa daftar nih teman-teman melalui Link yang ada di e PIN live chat YouTube Ya silakan diklik aja karena nanti sayang banget kalau misalnya teman-teman daftar setelah Kuotanya habis maka teman-teman akan langsung dialihkan untuk pendaftaran kelas full stack di batch yang selanjutnya jadi nunggunya tuh harus lebih lama lagi gitu nah jadi kalau misalnya teman-teman kepingin cepat-cepatan ngeamanin dulu gitu ya slot kelasnya silakan daftar dan tenang aja nanti setelah daftar enggak akan langsung ditagih untuk membayar ya teman-teman Jadi bisa daftar dulu aja secara gratis karena registrasinya ini eh free tidak dipungut biaya apapun teman-teman nanti setelah daftar bisa ikutan dulu tes kecocokan dan juga konsultasinya secara gratis gitu Jadi bisa cek kecocokan berkarir Kalian juga gitu sebelum nantinya kalian dinyatakan bisa lolos dan bisa lanjut ke programnya dan baru Setelah dinyatakan lolos kalian bisa diskusiin lagi ya terkait opsi pembayaran yang mau kalian gunakan Jadi kalau misalnya teman-teman kepingin daftarnya dari sekarang Tenang aja nanti enggak akan langsung tiba-tiba disuruh bayar ditagih gitu ya nanti setelah daftar kalian bisa ikutan dulu tes kecocokannya secara gratis nah Sedangkan untuk di online cses lainnya tuion fee yang dibayarkan bisa sampai dengan 25 juta dan fasilitasnya belum selengkap yang ada di review ya teman-teman sip sekarang aku mau info ini buat teman-teman yang mungkin Ah tahu ya Ada beberapa macam opsi pembayaran salah satunya yang bisa dipilih ini ada yang namanya study now pay later Nah siapa di sini Yang penasaran atau mungkin ada yang EE kepikiran Kayaknya pengin deh ee ambil nih opsi stud Nov later gitu ya Nah mungkin di sini aku pengin share juga buat kalian yang mulai e pengin gitu ya Pilih opsi snpl ini tapi masih ragu-ragu masih e penasaran kira-kira Apakah worth it gitu ya Ketika teman-teman nanti pakai study Nop later Terus eh Apakah ribet nih pendaftaran dan cicilannya Nanti kayak gimana sih skemanya dan juga ada enggak sih gitu ya cerita-cerita alumni yang sama-sama pakai studinopater juga gitu nah pas banget nih nanti teman-teman boleh cek dulu aja cerita dari salah satu alumni fulltech data analytics program di revou eh namanya Kak Malvin gitu ya beliau ini merupakan karir switcher di usia 30 tahun dan waktu daftar ke revyu gitu ya Beliau juga memutuskan menggunakan metode study now pay later Nah nanti Kak Malvin akan berbagi ini cerita dan pengalamannya gitu ya awalnya Kak Malvin juga sama-sama e sempat mungkin ngerasa ragu gitu ya takut enggak worth it eh Nanti kayak udah bayar mahal-mahal ternyata enggak cocok kan sayang juga gitu ya nanti teman-teman boleh cek dulu aja nih cerita- ceritanya Kak Malvin gimana setelah menjalani Setelah belajar di revu eh Setelah pakai study no pater Ini akhirnya Kak Malvin juga berhasil gitu ya untuk switch karir di usia 30 dari eh posisi sebelumnya menjadi data analis gitu Nah nanti setelah kelas mungkin teman-teman bisa baca ya cerita dari kamalvin boleh di-share juga nih di live chat sama kakak support Squad supaya teman-teman bisa ee buka nanti link untuk ceritanya nah Seperti biasa aku juga mau infoin buat teman-teman yang di eh minggu lalu udah lulus certification test congrats Nanti kalian bisa dapat sertifikat eh dengan salah satu syarat lainnya adalah kehadirannya yang memenuhi ee apa namanya persyaratan ya teman-teman Jadi nanti setelah sesi hari ini pun ee nanti teman-teman jangan lupa untuk mengisi form e kehadiran ataupun absensi gitu ya supaya nanti kehadirannya bisa valid dan nantinya bisa eh mendapatkan sertifikat Digital dari revou Mini coursese data analytics gitu Nah nanti kalau teman-teman sudah dapat sertifikat juga boleh banget nih ikutan social media competition karena nanti teman-teman bisa menangin exclusive revue merchandise seru banget ya teman-teman nanti di sini teman-teman bisa nge-post gitu sertifikatnya ke sosial media atau mungkin ke Linkedin untuk bisa meningkatkan personal branding kalian secara profesional juga dan mungkin dengan e melalui sertifikat digital ini Kalian bisa membuka pintu ataupun peluang networking ya ke sesama data analytics antusias lainnya gitu bisa saling ee berbagi informasi juga mungkin bisa e networking juga dan pastinya kalian akan tergabung nih menjadi salah satu bagian dari revu Mini coursese Community dengan jumlah anggota yang ah enggak main-main ya so nanti boleh banget nih diikutin social media competition-nya gitu Ya lumayan banget kan selain nanti bisa meningkatkan personal branding dan kalaupun menang nanti teman-teman bisa dapatin sklusif revue merchandise juga itu nah tata cara untuk mengikuti social media competition bakalan aku share nanti di eh grup gitu ya jadi kita akan share setelah nanti teman-teman dapat sertifikat jadi sampai nanti teman-teman dapatin informasi seputar pembagian sertifikat nanti boleh stay dulu di grup gitu ya supaya nanti enggak Ketinggalan informasi Oke deh teman-teman Wah sudah berhasil nih menyelesaikan serangkaian acara Mini coursese di batch yang kali ini dan udah belajar satu ataupun dua tools ya di bidang analytics gimana nih teman-teman Apakah ngerasa terbantu dengan materi-materinya dan semisal teman-teman ngerasa enjoy e laluin proses belajar bareng-bareng ya di Mini coursese batch e kali ini mungkin teman-teman juga eh kepingin gitu ya mempelajari lebih banyak lagi tools di bidang data analitik seperti yang terpampang di layar ini yang pastinya tools-nya berbeda ya dari yang kita pelajari di batch kali ini nah Boleh banget aku bisa infoin dan spill sekarang bahwa kita akan ngebahas tools yang ada di layar ini di Mini coursese batch yang selanjutnya gitu karena setiap batch Mini coursese kita tuh bakal ngebahas topik dan juga tools serta Project case tud yang berbeda-beda juga loh teman-teman lumayan banget kan bisa mempelajari lebih banyak lagi materi dan juga tools terus bisa mengumpulkan lebih banyak lagi Case Study di bidang data analiytic supaya bisa jadi Mini portofolio kalian jadi buat yang kepingin eh ngerjain lagi case tud dengan project-project ataupun dengan topik-topik yang berbeda Boleh banget nih ikutan di Mini coursese batch yang selanjutnya dengan topik yang sudah tertera di layar ini dan pastinya eh enggak bakalan eh enggak kalah seru deh pokoknya ya enggak kalah daging juga gitu dan kita bisa berbagi lebih banyak lagi Insight di bidang data analytics Nanti Mungkin setelah sesinya berakhir bakalan diinfoin ya di grup kayak gimana nih kalau teman-teman kepingin ikutan lagi di Mini coursese batch yang selanjutnya nah buat yang tertarik untuk mempelajari to yang ada di layar ini ya di Mini cour coursese batch depan terus kayaknya kepengin juga nih ngajak teman-teman lainnya kerabat-kerabat lainnya yang sekiranya juga bakalan tertarik nih dengan topik yang ada di layar ini Nah itu juga boleh banget teman-teman Nanti kalian bisa banget mengundang kerabat-kerabat lainnya menggunakan link referal kalian untuk kita ikutan lagi di Mini coursese batch yang selanjutnya supaya Eh bisa lebih ramai bisa lebih seru lagi kita belajar bareng-bareng di bidang data analiti dan pastinya bakalan bisa jadi e tempat buat saling berbagi ilmu juga ya terutama yang kepengin mempelajari materi pengenalan dan juga tools pengenalan di bidang data analytics jadi aku tunggu nih kehadirannya teman-teman juga Yang penasaran dengan topik ini dan kepengin pelajarin juga di Mini coursese batch yang selanjutnya kita ketemu lagi di minggu depan dan jangan lupa nanti bisa ajak lebih banyak lagi teman-teman ataupun ee Adik mau ajak Kakak mau ajak pacar mau ajak ak sepupu gitu Ya silakan teman-teman supaya kita bisa belajarin lebih e banyak lagi materi-materi di bidang data analytics Oke deh Wah udah di hari terakhir aja nih mini coursese data analytics tidak terasa ya teman-teman dan karena hari ini adalah hari terakhir eh mungkin dari segenap tim revou terutama aku dan juga ada kakak support Squad ada kakak tim lead ingin mengucapkan terima kasih yang sebanyak-banyaknya nih untuk semangat dan juga antusiasmenya teman-teman dalam mempelajari data analytics ya hingga hari ini dan ee terima kasih banyak juga untuk kesediaannya mengikuti kelas-kelas grevolue Mini course serta mohon maaf jika ada yang kurang berkenan buat teman-teman tapi harapannya dengan mengikuti Mini course ini teman-teman bisa berkenalan dengan materi-materi bisa berkenan juga yang sudah dipelajari dan bisa bermanfaat Nanti ke depannya buat teman-teman supaya nanti jerni belajarnya bisa semakin lancar lagi ya ke depannya dan buat yang punya rencana berkarir juga Semoga dilancarkan Amin Ya teman-teman seperti biasa juga buat yang kepingin mempelajari materi data analitik secara lebih intensif dengan durasi belajar yang lebih panjang sampai nanti juga kepingin dibantuin strategi karirnya nah silakan ya teman-teman masih bisa nih daftar ke revoyu fullsch data analytics program karena kuotanya terbatas sekarang mumpung masih ada kuotanya nih silakan bisa Klik link pendaftaran yang ada di PIN live chat youtube-nya Oke deh setelah ini seperti biasa ada informasi mengenai pengisian form kehadiran jadi jangan lupa disimak jangan lupa diisi absen terakhirnya supaya nanti enggak bolong ya Dan nanti kehadiran kalian bisa penuh juga nanti bisa diikutin aja tata cara ataupun petunjuk pengisian form kehadirannya serta pastikan tanggal yang diisi adalah tanggal sesi hari ini yang kalian Ikutin ya teman-teman sip kalau gitu sekali lagi terima kasih sebanyak-banyaknya buat teman-teman semua yang sudah hadir mudah-mudahan kita bisa ketemu lagi di lain kesempatan teman-teman dan jangan lupa buat yang pengin ikutan di miniourse bat yang selanjutnya aku tunggu lagi di minggu depan dan semoga bisa berkenan lagi materinya buat teman-teman dan mungkin itu aja Sekali lagi selamat malam teman-teman terima kasih happy weekend dan sampai jumpa semuanya bye byeonir jangan lupa Isi form kehadirannya ya untuk bisa dapatin sertifikatnya nanti form kehadiran ini cuma bisa di akses melalui YouTube loh gampang banget kok Caranya tinggal scan aja QR Code yang ada di layar ini atau teman-teman juga bisa Sambil pause ya Atau bisa juga langsung klik Link yang ada di live chat dan juga description box setelah itu tinggal isi aja deh formnya pastikan kamu mengisi dengan data diri yang benar dan juga gunakan email yang sama dengan email pendaftaran ya terima kasih