Pelatihan
Big Data dan Pengelolaan Data dengan Artificial Intelligence (AI)
Deskripsi
Di era digital, data menjadi salah satu aset strategis yang dapat membantu organisasi memahami kondisi bisnis, meningkatkan efisiensi kerja, mengidentifikasi peluang, serta mendukung pengambilan keputusan yang lebih cepat dan tepat. Namun, banyak organisasi masih menghadapi tantangan dalam mengelola data, mulai dari data yang tersebar di berbagai unit, kualitas data yang belum konsisten, hingga keterbatasan dalam mengubah data menjadi insight yang bermanfaat.
Perkembangan Big Data dan Artificial Intelligence (AI) memberikan peluang besar bagi organisasi untuk mengelola, menganalisis, dan memanfaatkan data secara lebih efektif. AI dapat digunakan untuk mendukung otomasi pekerjaan, analisis data, penyusunan laporan, identifikasi pola, hingga pengembangan ide inovasi berbasis data.
Program Pelatihan Big Data dan Pengelolaan Data dengan Artificial Intelligence (AI) AEEC Universitas Airlangga dirancang untuk memberikan pemahaman praktis mengenai konsep big data, tata kelola data, data analytics, serta pemanfaatan AI dalam mendukung efektivitas kerja dan pengambilan keputusan organisasi.
Pelatihan ini disusun secara padat selama 2 hari dengan kombinasi pemaparan konsep, studi kasus, diskusi, demonstrasi penggunaan AI, serta penyusunan ide implementasi sederhana yang dapat dikembangkan di unit kerja atau organisasi masing-masing.
Materi
Fondasi Big Data, Data Management, dan Tata Kelola Data
Pengantar Big Data dan Transformasi Digital
Aktivitas Pembelajaran
- Diskusi kondisi pengelolaan data di organisasi peserta.
- Identifikasi keputusan kerja yang sudah atau belum berbasis data.
Detail materi
- Konsep transformasi digital dan peran data dalam organisasi modern.
- Definisi big data dan perbedaannya dengan pengelolaan data konvensional.
- Karakteristik big data: volume, velocity, variety, veracity, dan value.
- Data-driven decision making dalam pengambilan keputusan organisasi.
- Hubungan antara big data, artificial intelligence, machine learning, dan business intelligence.
- Contoh penerapan big data di sektor bisnis, pemerintahan, keuangan, pendidikan, kesehatan, transportasi, dan layanan publik.
- Tantangan umum organisasi dalam pengelolaan data, seperti data tersebar, kualitas data rendah, belum terintegrasi, dan belum dimanfaatkan secara optimal.
Ekosistem, Sumber, dan Siklus Hidup Data
Aktivitas Pembelajaran
- Latihan memetakan sumber data di unit kerja peserta.
- Diskusi permasalahan data yang paling sering muncul dalam pekerjaan.
Detail materi
- Jenis data dalam organisasi: data terstruktur, semi-terstruktur, dan tidak terstruktur.
- Sumber data internal: sistem keuangan, SDM, operasional, layanan pelanggan, aplikasi bisnis, dan arsip digital.
- Sumber data eksternal: data publik, media sosial, pasar, mitra, pelanggan, vendor, dan regulator.
- Siklus hidup data: pengumpulan, penyimpanan, pemrosesan, analisis, pemanfaatan, pengarsipan, dan penghapusan data.
- Permasalahan umum data: duplikasi, data tidak lengkap, format tidak konsisten, data usang, dan data tidak valid.
- Konsep data pipeline secara sederhana.
- Perbedaan database, data warehouse, data lake, dashboard analytics, dan cloud storage.
- Pengenalan tools pengelolaan data dan analitik: spreadsheet, SQL database, Power BI/Tableau/Looker Studio, Python/R, dan platform berbasis cloud.
Data Management dan Data Governance
Aktivitas Pembelajaran
- Simulasi sederhana menilai kualitas data.
- Diskusi mengenai pembagian peran pengelolaan data di organisasi peserta.
Detail materi
- Konsep data management dan data governance.
- Prinsip tata kelola data: akuntabilitas, integritas, transparansi, keamanan, kepatuhan, dan konsistensi.
- Peran dalam pengelolaan data: data owner, data steward, data user, data analyst, dan tim IT.
- Data quality management: akurasi, kelengkapan, konsistensi, ketepatan waktu, validitas, dan relevansi data.
- Metadata, master data, standar format data, klasifikasi data, dan dokumentasi data.
- Pengendalian akses data dan pembagian kewenangan pengguna.
- Risiko lemahnya tata kelola data: laporan tidak valid, salah keputusan, fraud, duplikasi pekerjaan, kebocoran data, dan pelanggaran kepatuhan.
- Langkah awal membangun tata kelola data di organisasi.
Pengolahan Data untuk Kebutuhan Analisis dan AI
Aktivitas Pembelajaran
- Latihan membaca contoh dataset sederhana.
- Identifikasi masalah kualitas data dan langkah perbaikannya.
Detail materi
- Pentingnya data preparation sebelum data dianalisis atau digunakan oleh AI.
- Tahapan pengolahan data: data collection, data cleaning, data transformation, data integration, data labeling, dan data validation.
- Masalah umum dalam data: missing value, duplikasi, outlier, bias, format berbeda, dan data tidak relevan.
- Teknik dasar pembersihan dan validasi data.
- Konsep feature engineering secara sederhana.
- Pentingnya dokumentasi dataset dan data lineage.
- Risiko penggunaan data berkualitas rendah terhadap hasil analisis dan AI.
- Praktik sederhana menyiapkan data agar siap dianalisis.
Pemanfaatan AI, Analisis Data, dan Strategi Implementasi
Pengantar AI, Machine Learning, dan Data Analytics
Aktivitas Pembelajaran
- Diskusi contoh penggunaan AI dalam pekerjaan sehari-hari.
- Identifikasi proses kerja yang berpotensi dibantu AI.
Detail materi
- Definisi artificial intelligence dan perkembangannya.
- Perbedaan AI, machine learning, deep learning, generative AI, automation, dan data analytics.
- Jenis analisis data: descriptive, diagnostic, predictive, dan prescriptive analytics.
- Cara kerja AI secara sederhana dalam membaca pola data.
- Peran AI dalam mendukung efisiensi kerja, otomasi, prediksi, rekomendasi, dan pengambilan keputusan.
- Contoh penerapan AI dalam organisasi: chatbot, analisis dokumen, deteksi anomali, prediksi tren, analisis sentimen, rekomendasi keputusan, dan otomasi laporan.
- Keterbatasan AI: bias, halusinasi, ketergantungan pada kualitas data, kesalahan interpretasi, dan kebutuhan validasi manusia.
Pemanfaatan AI dalam Pengelolaan dan Analisis Data
Aktivitas Pembelajaran
- Demonstrasi penggunaan AI untuk meringkas data/laporan.
- Latihan membuat prompt untuk analisis data sederhana.
- Diskusi use case AI yang relevan dengan pekerjaan peserta.
Detail materi
- AI untuk klasifikasi dan pengelompokan data.
- AI untuk ekstraksi informasi dari dokumen, laporan, invoice, kontrak, formulir, dan arsip digital.
- AI untuk analisis teks, analisis keluhan, analisis sentimen, dan pengelompokan topik.
- AI untuk deteksi anomali pada transaksi, laporan, proses operasional, atau aktivitas sistem.
- AI untuk forecasting dan prediksi kebutuhan organisasi.
- AI untuk penyusunan ringkasan laporan dan executive summary.
- AI generatif untuk eksplorasi data, penyusunan insight, rekomendasi awal, dan visualisasi informasi.
- Prompt engineering dasar untuk kebutuhan analisis data.
- Cara memberikan instruksi yang jelas kepada AI.
- Validasi hasil AI dengan data sumber.
Keamanan, Privasi, Etika, dan Responsible AI
Aktivitas Pembelajaran
- Studi kasus risiko kebocoran data atau keputusan AI yang bias.
- Diskusi prinsip penggunaan AI yang aman dan bertanggung jawab di organisasi.
Detail materi
- Pentingnya keamanan data dalam penggunaan big data dan AI.
- Klasifikasi data: publik, internal, rahasia, dan sangat rahasia.
- Risiko kebocoran data, akses tidak sah, manipulasi data, dan penyalahgunaan data.
- Prinsip perlindungan data pribadi dan pembatasan akses data.
- Data masking, anonymization, dan pengendalian akses.
- Risiko memasukkan data rahasia ke platform AI publik.
- Bias dalam AI dan dampaknya terhadap keputusan organisasi.
- Transparansi, akuntabilitas, dan explainability dalam penggunaan AI.
- Prinsip responsible AI: aman, adil, transparan, dapat dipertanggungjawabkan, dan sesuai tujuan.
- Kebijakan internal yang perlu disiapkan untuk penggunaan AI di lingkungan kerja.
Penyusunan Use Case dan Roadmap Implementasi Big Data-AI
Aktivitas Pembelajaran
- Peserta menyusun satu ide use case dari unit kerja masing-masing.
- Peserta membuat rancangan singkat kebutuhan data, manfaat, risiko, dan langkah implementasi.
- Presentasi singkat dan umpan balik fasilitator.
Detail materi
- Pengertian use case dalam implementasi big data dan AI.
- Cara mengidentifikasi masalah organisasi yang dapat diselesaikan dengan data dan AI.
- Pemetaan kebutuhan data untuk setiap use case.
- Penentuan tujuan pemanfaatan AI: efisiensi, otomasi, prediksi, deteksi risiko, peningkatan layanan, atau peningkatan akurasi keputusan.
- Prioritisasi use case berdasarkan dampak, ketersediaan data, kemudahan implementasi, risiko, dan kesiapan SDM.
- Penyusunan indikator keberhasilan implementasi AI.
- Tahapan roadmap implementasi: assessment kebutuhan, pemilihan use case, perbaikan data, pemilihan tools, pilot project, evaluasi, scaling, dan monitoring.
- Peran pimpinan, tim data, tim IT, dan pengguna data dalam implementasi.
- Strategi peningkatan literasi data dan budaya kerja berbasis data.
- Penyusunan mini project/rancangan awal pemanfaatan big data dan AI.
Keunggulan Program
Reputasi Terpercaya dari Institusi Terkemuka
Program ini diselenggarakan oleh Airlangga Executive Education Center (AEEC) Universitas Airlangga, lembaga pendidikan eksekutif yang berfokus pada pengembangan kompetensi profesional dan kebutuhan industri.
Materi Praktis dan Mudah Dipahami
Pelatihan dirancang agar peserta dapat memahami big data dan AI secara sederhana, aplikatif, dan relevan dengan kebutuhan kerja sehari-hari.
Fokus pada Implementasi di Organisasi
Peserta diarahkan untuk mengenali permasalahan data di unit kerja serta menyusun ide pemanfaatan AI yang dapat dikembangkan lebih lanjut.
Dilengkapi Demonstrasi Penggunaan AI
Pembelajaran dilengkapi dengan contoh dan demonstrasi penggunaan AI untuk membantu pengelolaan data, analisis, otomasi pekerjaan, dan penyusunan insight.
Relevan untuk Berbagai Bidang Kerja
Program ini dapat diikuti oleh peserta dari berbagai fungsi, baik manajemen, administrasi, keuangan, operasional, SDM, pemasaran, layanan, maupun bidang lainnya.
Membahas Etika, Privasi, dan Keamanan Data
Peserta akan memahami pentingnya penggunaan AI secara aman, etis, dan bertanggung jawab, terutama dalam pengelolaan data organisasi.
Fasilitas
Peserta Program Pelatihan Big Data dan Pengelolaan Data dengan Artificial Intelligence (AI) AEEC UNAIR akan mendapatkan fasilitas:
- Modul pelatihan yang terstruktur dan terupdate;
- Materi pembelajaran dan latihan praktis;
- Studi kasus pemanfaatan big data dan AI;
- Demonstrasi penggunaan AI untuk pengelolaan dan analisis data;
- Akses Learning Management System (LMS) AMOORA Universitas Airlangga;
- Pendampingan pembelajaran oleh akademisi dan praktisi berpengalaman;
- Sertifikat pelatihan dari Universitas Airlangga yang diakui kualitasnya.
Tujuan Pelatihan
Setelah mengikuti pelatihan ini, peserta diharapkan mampu:
- Memahami konsep big data, tata kelola data, data analytics, dan artificial intelligence;
- Memetakan sumber data dan permasalahan data di unit kerja secara sederhana;
- Memahami pemanfaatan AI untuk pengelolaan, analisis, otomasi, dan penyusunan insight data;
- Memahami aspek keamanan, privasi, dan etika penggunaan AI;
- Menyusun rancangan awal use case pemanfaatan big data dan AI yang dapat dikembangkan di organisasi.
Jadwal Kelas
Brevet C Online
- Senin, Rabu, dan Jumat
- 18.30 - 20.30 WIB
- 27 Juli 2026 - 07 Oktober 2026
- Online
Rp. 3.200.000
Biaya Investasi:
- Umum: Rp. 2.400.000
- Mahasiswa: RP. 2.200.000
-
Kolektif: Rp. 1.920.000
(Min 4 Orang) - Executive Member: Rp. 2.280.000
Rp. 3.200.000
VOUCHER DISKON
Flyer Program
