Silabus Pelatihan Data Engineering

Kementerian Komunikasi dan Digital Republik Indonesia

Digital Talent Scholarship
Tahun 2025
Disclaimer: Dokumen ini digunakan hanya untuk kebutuhan Digital Talent Scholarship Kementerian Komunikasi dan Digital Republik
Indonesia. Konten ini mengandung Kekayaan Intelektual, pengguna tunduk kepada undang-undang hak cipta, merek dagang atau hak kekayaan
intelektual lainnya. Dilarang untuk memproduksi, memodifikasi, menyebarluaskan, atau mengeksploitasi konten ini dengan cara atau bentuk
apapun tanpa persetujuan tertulis dari Digital Talent Scholarship Kementerian Komunikasi dan Digital Republik Indonesia.

Informasi Pelatihan dan Sertifikasi

Akademi Fresh Graduate Academy

Mitra Pelatihan DQLab

Tema Pelatihan Data Engineering

Sertifikasi ●​ Certificate of Completion Komdigi

●​ Certificate of Completion Module DQLab
●​ Sertifikat kompetensi BNSP Associate Data Engineer (opsional)

Durasi Pelatihan 276 Jam Pelatihan (JP), 1 JP = 45 menit

Deskripsi Pelatihan ini dirancang untuk membekali peserta dengan pengetahuan dan
Pelatihan keterampilan fundamental dalam bidang Data Engineering, mulai dari pemahaman
konsep dasar hingga penerapan praktis menggunakan tools populer seperti Python,
SQL, dan Pandas. Materi pelatihan mencakup:

●​ Pengenalan Data Engineering dan ekosistemnya

●​ Dasar-dasar pengelolaan database (SQL & NoSQL)
●​ Pengenalan ETL dan tools pendukung
●​ Belajar Python & SQL secara interaktif dengan dukungan AI
●​ Penerapan data quality, data manipulation, dan exploratory data analysis
●​ Pembangunan portofolio melalui project nyata dan studi kasus industri
●​ Simulasi tantangan dan pembuatan project ETL sederhana

Seluruh materi disusun dengan pendekatan HERO (Hands-on, Experiential learning,

and Outcome-based) yang dirancang khusus untuk pemula hingga tingkat menengah
yang ingin membangun karier sebagai Data Engineer.

Output Pelatihan ●​ Memahami peran dan tanggung jawab Data Engineer dalam ekosistem data.
●​ Mampu membangun pipeline data sederhana menggunakan Python dan SQL.
●​ Menguasai proses ETL (Extract, Transform, Load) dan implementasinya.
 Informasi Pelatihan dan Sertifikasi

●​ Mampu memanipulasi dan membersihkan data menggunakan library Python

seperti Pandas.
●​ Mampu membuat skema database dan mengelola data menggunakan SQL.
●​ Memahami konsep data quality dan mampu menerapkannya dalam proyek
data.
●​ Mampu mengembangkan mini-proyek data engineering berbasis studi kasus
industri.
●​ Mendapatkan portofolio proyek untuk menunjang karier sebagai Data
Engineer.
●​ Dibekali dengan keterampilan teknis yang relevan dengan kebutuhan industri
data saat ini.

Aktivitas Pelatihan Pelatihan akan dilakukan secara daring (online), peserta belajar secara mandiri
(self-paced learning) menggunakan Platform LMS Komdigi & LMS Academy DQLab.
Pada pelatihan ini, peserta mendapatkan kesempatan untuk bertanya dan berdiskusi
dengan Instruktur pada live session yang telah disediakan. Untuk lulus pelatihan ini
peserta diharuskan melewati:
●​ Modul belajar
●​ Modul lab
●​ 2x live session
●​ Ujian dalam bentuk pilihan ganda

Persyaratan 1.​ Pemula yang ingin memulai karir di bidang Data Engineering.
Peserta 2.​ Data Analyst yang ingin memperdalam pengetahuan dan keterampilan di
bidang Data Engineering.
3.​ Fresh graduate yang memiliki latar belakang di bidang Teknologi Informasi
atau Ilmu Komputer.
4.​ Profesional IT yang ingin beralih ke bidang Data Engineering.
5.​ Praktisi Data yang ingin meningkatkan pemahaman mereka tentang pipeline
data dan teknologi terkait.
6.​ Mahasiswa yang tertarik dengan pengolahan dan manajemen data
menggunakan SQL dan Python.

Persyaratan ●​ Tidak ada spesifikasi komputer/laptop khusus, minimal dapat digunakan

Sarana Peserta untuk kebutuhan browsing normal
●​ Operating System: Microsoft Windows, Linux, atau MacOS
●​ Koneksi internet dan memiliki webcam

Jadwal Pelatihan

Tanggal Tanggal Tanggal Pelaksanaan Pelatihan

Pendaftaran Pengumuman

April April Mei

Jadwal sewaktu-waktu dapat berubah tanpa pemberitahuan*
 Rencana Pelatihan
Pemadanan Unit
No Modul Topik Outcome JP
Kompetensi
Memahami dan mampu
menjelaskan:
-​ Apa itu Data
Engineering?
-​ Perbedaan Data
Engineer, Data
Pengenalan Data Scientist, dan Data
1 Introduction 1 JP -
Engineering Analyst
-​ Peran dan tanggung
jawab Data Engineer
dalam ekosistem
data
-​ Gambaran umum
pipeline data
Memahami dan mampu
menjelaskan:
-​ Struktur dan format
data: SQL vs NoSQL
Fundamental Data -​ Dasar-dasar Merancang Basis Data
2 1 JP
Engineering database & query (J.62DMS00.006.1)
dengan SQL
-​ Pengantar konsep
ETL (Extract,
Transform, Load)
Tools dan Memahami Perkenalan
Merancang Basis Data
3 Teknologi dalam Library Python & SQL untuk 1 JP
(J.62DMS00.006.1)
Data Engineering Data Engineering
Mampu memahami:
-​ Langkah membuat
akun Gratis di DQLab
-​ Informasi Kode
Bangun Portofolio
Voucher yang bisa di
Data lewat Module
4 redeem 1 JP -
Interaktif di
-​ Perkenalan Metode
Academy DQLab
Belajar & Karakter
DQLab
-​ Pentingnya
‘Membuat Kesalahan’
 Rencana Pelatihan
Pemadanan Unit
No Modul Topik Outcome JP
Kompetensi
saat belajar
Perkenalan Module Python
DQLab dengan metode
belajar yang dirancang
dengan cara yang interaktif
dan didukung oleh AI
menggunakan metode HERO
Guide to Learn
(Hands-On, Experiential
5 Fundamental Python with AI at 16 JP -
Learning and
DQLab
Outcome-Based) untuk
membantu Peserta
memperoleh manfaat
maksimal dari seluruh
materi yang tersedia di
DQLab.id.
Perkenalan Module SQL
DQLab dengan metode
belajar yang dirancang
dengan cara yang interaktif
dan didukung oleh AI
menggunakan metode HERO Menggunakan SQL
Guide to Learn SQL (Hands-On, Experiential (J.620100.020.02)
6 16 JP
with AI at DQLab Learning and Membuat Basis Data
Outcome-Based) untuk (J.62DMS00.010.1)
membantu Peserta
memperoleh manfaat
maksimal dari seluruh
materi yang tersedia di
DQLab.id.
-​ Mampu menerapkan
konsep dasar bahasa
pemograman Python,
memberikan
Python for Data
penjelasan mengenai
7 Professional 48 JP -
syntax, dan fungsi
Beginner
built-in yang penting
untuk dikuasai untuk
melakukan
pengolahan data,
 Rencana Pelatihan
Pemadanan Unit
No Modul Topik Outcome JP
Kompetensi
terutama untuk
memulai karir
sebagai praktisi data,
baik Data Analyst
(DA), Data Scientist
(DS), ataupun Data
Engineer (DE).
-​ Mampu memahami
dasar bahasa
pemograman Python,
penjelasan mengenai
syntax dan fungsi
built-in yang perlu
dikuasai untuk
memanipulasi list,
tuple, set, dictionary
dan string pada
Python. Serta, teknik
membuat suatu
fungsi yang
didefinisikan sendiri
tujuan
penggunaannya dan
dapat diakses untuk
kebutuhan yang
diinginkan nantinya.
-​ Mampu memahami
konsep dasar bahasa
pemrograman
Python sebagai
bahasa
pemrograman
berorientasi objek,
dikenal dengan
Object Oriented
Programming (OOP).
Module ini akan
menjelaskan syntax
dan teknik penulisan
kode program
 Rencana Pelatihan
Pemadanan Unit
No Modul Topik Outcome JP
Kompetensi
menggunakan OOP
Python, skill yang
wajib dimiliki
seorang praktisi
data.
Mampu memahami dan
menerapkan teknik data
quality menggunakan
Data Quality with Python, yang mencakup data
Mengelola Metadata
8 Python for profiling sampai data 16 JP
(J.62DMS00.009.1)
Beginner cleansing dimana hal
tersebut merupakan bagian
yang penting dari proses
pre-analysis.
-​ Mampu mempelajari
library Python paling
terkenal untuk
kebutuhan Data
Analyst, Data
Engineer atau Data
Scientist, yakni
Pandas. Pandas
adalah salah satu
library open source
yang dapat
diandalkan ketika
Data Manipulation Mengelola Metadata
9 berurusan dengan 32 JP
with Pandas (J.62DMS00.009.1)
data tabular seperti
csv atau excel.
Dengan data
manipulation kamu
akan dapat membaca
file, menerapkan
indexing, melakukan
filter, joining data,
ataupun menulis file
ke bentuk lain.
Dipadukan dengan
fungsi-fungsi built in
 Rencana Pelatihan
Pemadanan Unit
No Modul Topik Outcome JP
Kompetensi
yang ada di python
membuat library ini
makin canggih dan
mudah
dimanfaatkan.
-​ melakukan indexing,
slicing dan
transformasi di
bagian sebelumnya,
di bagian ini kamu
akan belajar lebih
dalam seputar
fungsional Pandas
secara advance,
mencakup
menggabungkan
beberapa dataframe,
memformat ulang
bentuk data agar
data siap untuk
dilakukan proses
selanjutnya
(analisis/prediksi),
menerapkan teknik
pengelompokan
untuk mengurangi
jumlah data,
mengenal time series
di Pandas dan
tentunya project
akhir yang
mencakup semua
materi.
Peserta mampu
mempersiapkan data
Data Science in sekaligus membuat model
10 Telco: Data prediksi yang tepat untuk 16 JP -
Cleansing menentukan pelanggan akan
berhenti berlangganan
(churn) atau tidak.
 Rencana Pelatihan
Pemadanan Unit
No Modul Topik Outcome JP
Kompetensi
-​ Mampu memahami
konsep penggunaan
statement SELECT
dalam SQL Query
untuk menarik data
dari database,
sebagai skill
fundamental yang
penting untuk kamu
pahami agar siap
berkarir sebagai
Data Analyst.
-​ Mampu memahami
konsep penggunaan
fungsi skalar dan
fungsi agregat dalam
operasi string dan
Fundamental SQL numerik di SQL
using SELECT database. Menggunakan SQL
statement, -​ Mampu mengerti (J.620100.020.02)
11 48 JP
FUNCTION & konsep penggunaan Membuat Basis Data
GROUP BY, INNER GROUP BY dalam (J.62DMS00.010.1)
JOIN and UNION mengelompokkan
data dan memahami
konsep
menggabungkan
GROUP BY dengan
fungsi aggregate.
-​ Mampu mengerti
penggunaan CASE
Statement untuk
struktur
pengambilan
keputusan.
-​ Mampu memahami
konsep
penggabungan tabel
menjadi sumber data
baru dengan
mekanisme INNER
 Rencana Pelatihan
Pemadanan Unit
No Modul Topik Outcome JP
Kompetensi
JOIN dan UNION.
Sumber data baru ini
bisa berfungsi untuk
pelaporan atau
analisa data menjadi
informasi yang lebih
lengkap dan
bermanfaat.
Mampu menguji
Data Engineer kemampuan dasar SQL Menggunakan SQL
12 16 JP
Challenge with SQL menggunakan Bahasa (J.620100.020.02)
Pemrograman MySQL.
Peserta mampu menerapkan
Membuat Integrasi
Project Simple ETL teknik Extract Transform
13 16 JP Data
with Pandas Load dari Studi Kasus yang
(J.62DMS00.011.1)
disediakan
Mampu memahami konsep
dasar dalam pengolahan
data menggunakan Python,
penjelasan mengenai library
Exploratory Data
penting yang perlu dikuasai
Analysis with Menggunakan Data
14 dalam penggunaan Python, 16 JP
Python for (J.62DMS00.019.1)
serta contoh pemanfaatan
Beginner
Python dalam membuat
summary data sederhana
pada tahap pre-proses
analisis.
Peserta akan mampu
memahami konsep Master
Master Data and Data, memahami kasus
15 Handling Duplicate anomali dalam data, dan 16 JP -
Data with LinkR melakukan data
pre-processing dengan tool
LinkR.
Peserta mampu memahami,
mengelola dan mengatur
SQL Database Membuat Basis Data
16 data dalam sebuah sistem 16 JP
Management (J.62DMS00.010.1)
database menggunakan
bahasa SQL (Structured
 Rencana Pelatihan
Pemadanan Unit
No Modul Topik Outcome JP
Kompetensi
Query Language).

Alur Pendaftaran

Tahapan Kegiatan

Tahap 1 PENDAFTARAN
1.​ Calon peserta mengunjungi situs digitalent.komdigi.go.id.
2.​ Registrasi Awal mengisi Informasi Akun Calon Peserta
3.​ Notifikasi/konfirmasi Akun untuk mendaftar disampaikan melalui Email, pastikan
email yang di-submit merupakan email aktif
4.​ Selanjutnya kembali ke profil pendaftaran peserta pada website pendaftaran
5.​ Klik Kategori pilih “Wilayah Kerja” atau “ Peserta Penyandang Disabilitas” Bagi calon
peserta penyandang disabilitas dapat mendaftar pelatihan dengan menyediakan
sarana dan prasarana pendukung pelatihan secara mandiri.
6.​ Klik Akademi pilih “...”
7.​ Klik Tema pilih “Tema Pelatihan … ”
8.​ Klik “DAFTAR SEKARANG”
9.​ isi biodata dengan lengkap, perhatikan beberapa hal berikut:
a.​ pastikan penulisan NIK/NIP benar dan tidak ada salah huruf/angka
b.​ pastikan penulisan NAMA LENGKAP benar dan tidak ada salah huruf (Nama yg
akan tercetak pada Certificate of Completion)
c.​ pastikan berkas FOTO yang diupload terlihat wajah dengan jelas (disarankan
menggunakan foto formal)
d.​ pastikan penulisan EMAIL benar dan tidak ada salah huruf/angka
e.​ pastikan EMAIL yang didaftarkan email aktif
f.​ pastikan penulisan NOMOR TELPON benar dan tidak ada salah angka. Nomor
telepon yang digunakan selama pelatihan tidak dapat diubah.
g.​ Pastikan berkas KTP/KK/Surat Pernyataan dan keterangan diupload dengan
ukuran dan tampilan yang dapat dilihat, tidak kekecilan dan tidak kebesaran.
h.​ pastikan penulisan semua data diisi dengan lengkap dan benar
i.​ pastikan semua berkas terunggah
10.​Periksa kembali dengan perlahan, teliti dan berulang data yang telah diinput
11.​Centang semua ketentuan yang diwajibkan oleh Panitia Penyelenggara, sbb:
a.​ Menyetujui Surat Pernyataan Peserta DTS 2025
b.​ Menyetujui Syarat dan Ketentuan DTS 2025
c.​ Sanggup Mempersiapkan fasilitas pendukung secara mandiri sesuai dengan
Persyaratan Sarana Peserta pada masing-masing Tema Pelatihan
12.​Klik “SUBMIT PENDAFTARAN”, periksa email aktivasi (inbox dan spam) secara berkala
maksimal 1x24 jam
13.​Setelah terdaftar, simpan BUKTI DAFTAR (format pdf/jpg)
14.​Silakan masuk kembali pada menu profile pilih fitur “PELATIHAN”
15.​Kerjakan “MICRO SKILL” dengan perlahan, teliti. Sampai dinyatakan “LULUS”
 Alur Pendaftaran

Tahapan Kegiatan

16.​Setelah selesai mengerjakan“MICRO SKILL” silakan mendaftar “PELATIHAN”

Tahap 2 TES SUBSTANSI (OPSIONAL)

Dilaksanakan tes substansi untuk melihat tingkat kemampuan awal peserta yang kemudian
akan diklasifikasikan dalam kelas pelatihan

Tahap 3 VERIFIKASI BERKAS PESERTA

Verifikasi dilakukan untuk melihat profil dan nilai Tes Substansi calon peserta

Tahap 4 PENGUMUMAN KELULUSAN

●​ Pengumuman dan pembagian jadwal, kelas akan disampaikan lebih lanjut melalui
Email pendaftaran dan group kelas pelatihan

Tahap 5 PERSYARATAN SARANA SEBELUM MEMULAI PELATIHAN

Laptop sudah terinstal:
●​ Menginstall Aplikasi Video Conferences
●​ Menginstall Aplikasi online group

Tahap 6 AKTIVITAS PELATIHAN

Pelatihan dilaksanakan secara daring/online, peserta belajar secara asinkronus.

Tahap 7 SETELAH PELATIHAN

●​ Mengisi survey pelatihan
●​ Peserta yang telah lulus pelatihan ini dapat langsung bergabung dan melamar
pekerjaan di diploy.id, platform digital employment dan talent pool DTS

Tahap 8 CERTIFICATE OF COMPLETION

Peserta yang menyelesaikan pelatihan akan mendapatkan email pemberitahuan untuk
mengunduh/download Certificate of Completion di website digitalent.komdigi.go.id