Skip to content

About

Tujuan kurikulum ini terstruktur untuk mempersiapkan anda mendapatkan pekerjaan pertama sebagai Data Analyst. Fokus pada statistik dasar, SQL untuk analisis bisnis, Python (NumPy & Pandas), pembersihan data, visualisasi, persiapan interview dan Portofolio yang mendorong karier anda.

Topics

Resources

Contributing

Stars

37 stars

Watchers

2 watching

Forks

Latest commit

 

History

384 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

License Contributions Welcome Python Google Colab Jupyter Pandas NumPy Matplotlib Seaborn Scikit-Learn Looker Studio MySQL Version Database Tool Google Sheets Problem Solving Statistics EDA Statistics Data Cleaning Metrics align="left"> data-analyst-poster

LinkedIn GitHub Portfolio

“Data is a tree of life that keeps taking root, the foundation for the technology ecosystem of the future.”

harryyss__Data Enthusiast

About Repository

Repositori ini adalah project pembelajaran Data Analyst yang berisi roadmap belajar terstruktur untuk membangun kemampuan dasar hingga menengah dalam analisis data, SQL, Python, visualisasi, dan persiapan karier.

"Data is the new oil." Namun minyak mentah tidak bernilai tanpa curiosity untuk mengeksplorasi, critical thinking untuk memvalidasi, dan storytelling untuk mengomunikasikan insight-nya.

Saya mendorong algoritma pembelajaran ini dengan pendekatan method yang sedikit berbeda di mana data curiosity menjadi kompas utama, analytical thinking menjadi mesin pemrosesnya, dan problem solving menjadi tujuan akhirnya. Setiap temuan divalidasi melalui data-driven decision making yang rigoris, dengan framework yang terstruktur dan workflow yang repetabel.

Tujuan besarnya sederhana: membentuk Anda menjadi problem solver sejati bukan sekadar pengguna tools, tetapi analis yang mampu membedah masalah bisnis dari akar, merancang arsitektur analisis yang tepat, dan membangun infrastruktur data yang scalable untuk pengambilan keputusan jangka panjang.

Fokus Pembelajaran

  • Descriptive & Inferential Statistics: fondasi statistik untuk membaca pola dan menarik kesimpulan
  • SQL for Business Analytics: dari basic clause hingga window functions,``CTE,dan query optimization
  • Python Data Stack,NumPy & Pandas untuk data wrangling, feature engineering, dan exploratory data analysis (EDA)
  • Data Cleaning & Preprocessing: menangani missing values, outliers, duplicates, dan data normalization
  • Data Visualization & Storytelling: membangun dashboard interaktif dengan Looker Studio, Matplotlib, dan Seaborn untuk menyampaikan actionable insights
  • Exploratory Data Analysis (EDA) mengembangkan data intuition melalui hypothesis testing dan pattern discovery
  • Career & Technical Interview Preparation,case study interview SQL technical interview CV review, dan behavioral interview

Framework & Workflow Belajar

Setiap modul dirancang mengikuti framework pembelajaran yang konsisten:

  1. Understand the Problem membangun problem framing & business acumen
  2. Explore with Curiosity melatih data curiosity dan analytical thinking
  3. Build the Solution merancang arsitektur analisis & workflow yang repetabel
  4. Validate & Iterate menguji temuan dengan hypothesis testing dan evidence
  5. Communicate the Insight mengasah data storytelling dan actionable insights

Dengan workflow ini, Anda dan tim dapat mengambil data-driven decisions serta merumuskan data-driven policies untuk mengelola suatu project bukan berdasarkan asumsi, melainkan berdasarkan evidence, metrics, dan insight yang terukur. Curiosity bukan sekadar sifat, tetapi core skill seorang Data Analyst profesional. Analytical thinking bukan bakat, melainkan kebiasaan yang dilatih. Dan problem solving bukan tujuan akhir melainkan mindset yang terus diasah.

Filosofi belajar aku: "learn algorithm the Plants" Setiap modul dirancang untuk melatih analytical curiosity, problem framing, dan business acumen tiga pilar utama untuk menjadi insight-driven analyst yang mampu membangun arsitektur dan infrastruktur analitik yang berdampak.

Tech Stack:

Google Cloud & Analytics

Google Colab BigQuery Looker Studio Google Sheets

Python Data Stack

Pandas NumPy Seaborn scikit-learn Matplotlib

Database

MySQL MySQL Workbench DBeaver

Google Spreadsheet

Google Sheets

IDE & Development

VS Code Jupyter License: MIT

Mathematics & Statistics Dasar

Statistics Linear Algebra Probability

Summary Stack

PROJECT-DATA-ANALYST/
├── 01-intro/
├── 02-data-wrangling/
├── 03-eda/
├── 04-sql/
├── 05-visualization/
├── 06-data-cleaning/
│   └── notebooks/
│       └── 06_data_cleaning_beginner.ipynb
├── 07-machine-learning/
└── assets/
    ├── matplotlib.svg
    ├── postgresql.svg
    ├── dbeaver.svg
    ├── excel.svg
    └── vscode.svg

Outline Project

Data Cleaning

Notebook Deskripsi Buka
06_data_cleaning_beginner.ipynb Teknik dasar data cleaning: handling missing values, duplikasi, dan outlier Open In Colab

Exploratory Data Analysis (EDA)

Notebook Deskripsi Buka
03_eda_intro.ipynb Eksplorasi dataset & statistik deskriptif Open In Colab

SQL

Notebook Deskripsi Buka
04_sql_basic.ipynb Query dasar SQL dengan MySQL & PostgreSQL Open In Colab

Machine Learning

Notebook Deskripsi Buka
07_ml_intro.ipynb Pengenalan machine learning dengan scikit-learn Open In Colab

💡 Tips: Ganti USERNAME, REPO, dan PATH/KE/NOTEBOOK.ipynb sesuai struktur repositori Anda.


Cara Menjalankan IDE

Opsi 1 Google Colab (Direkomendasikan)

Klik Open in Colab pada tabel project di atas. Notebook akan terbuka langsung di browser tanpa perlu instalasi.!!!

Opsi 2 Lokal (VS Code / Jupyter)

# Clone repositori
git clone https://github.com/harrisariefkamis/PROJECT-DATA-ANALYST.git
cd PROJECT-DATA-ANALYST

# Buat virtual environment
python -m venv venv
source venv/bin/activate    # Linux/macOS
# venv\Scripts\activate     # Windows

# Install dependencies
pip install pandas numpy matplotlib seaborn scikit-learn jupyter

# Jalankan Jupyter
jupyter notebook

Tujuan Pembelajaran

Repositori ini dirancang untuk membantu anda:

  • memahami dasar analisis data dan metrik bisnis;
  • menguasai SQL untuk analisis data dan kasus wawancara;
  • menggunakan Python untuk pemrosesan data dan studi kasus;
  • membangun visualisasi yang informatif;
  • mempersiapkan CV, interview, dan portofolio data analysis.

Temuan Utama (Guideline & Overview)

Struktur Repository

PROJECT-DATA-ANALYST/
├── README.md
├── CONTRIBUTING.md
├── 01-on-boarding/
│   └── README.md
├── 02-career-and-hr/
│   └── README.md
├── 03-intro-data-analysis/
│   └── README.md
├── 04-statistics/
│   └── README.md
├── 05-metrics/
│   └── README.md
├── 06-data-cleaning/
│   └── README.md
├── 07-sql-basic-1/
│   └── README.md
├── 08-sql-basic-2/
│   └── README.md
├── 09-sql-basic-3/
│   └── README.md
├── 10-sql-advanced/
│   └── README.md
├── 11-sql-interview-cases/
│   └── README.md
├── 12-python-basic-project/
│   └── README.md
├── 13-python-numpy-pandas/
│   └── README.md
├── 14-python-study-cases/
│   └── README.md
├── 15-data-viz-basic/
│   └── README.md
├── 16-data-studio/
│   └── README.md
├── 17-projects-and-interviews/
│   └── README.md
├── datasets/
├── notebooks/
├── exercises/
├── solutions/
└── .github/
    └── ISSUE_TEMPLATE.md

Roadmaps Modul

  1. On Boarding
  2. Secure Your First Data Analyst Job
  3. Intro to Data Analysis
  4. Basic Statistics
  5. The Metrics: Measure What Matters
  6. Data Formatting dan Cleansing
  7. SQL Basic 1: Basic Clause
  8. SQL Basic 2
  9. SQL Basic 3: Analyzing Business Data
  10. SQL For Data Analysis 4
  11. SQL For Data Analysis 5 / SQL Technical Interview Case Studies
  12. Data Analysis with Python 1: Basic Python + Project 1
  13. Data Analysis with Python 2: Work with Numpy & Pandas Study Cases
  14. Data Analysis with Python 3: Study Cases
  15. Data Visualisation 1: Basic Data Viz + Project 2
  16. Data Visualisation 2: Google Data Studio
  17. Career Class: HR CV Review + Interview

Urutan Belajar yang harus diselesaikan

  • Pemula: mulai dari modul 1 sampai 6
  • Setelah itu: SQL dari modul 7 sampai 11
  • Lanjut: Python dari modul 12 sampai 14
  • Setelah itu: visualisasi dan dashboard dari modul 15 sampai 16
  • Terakhir: modul 17 untuk persiapan karier

Notes (Catatan & Summary)

Setiap folder modul dapat berisi:

  • README.md: deskripsi tujuan dan materi
  • datasets/: file contoh data
  • notebooks/: notebook latihan
  • exercises/: tugas dan soal
  • solutions/: jawaban referensi
  • slides/: materi presentasi jika diperlukan

Kontribusi

Silakan baca CONTRIBUTING.md untuk pedoman pengembangan repositori.

Lisensi

Copyright © {2026} Haris Arief Kamis

All rights reserved.

Konten dalam repositori ini dipublikasikan untuk tujuan pembelajaran dan portofolio. Materi, kode, dataset, notebook, dan dokumen lain di repositori ini tidak boleh disalin, disebarluaskan, atau digunakan ulang (termasuk untuk tujuan komersial) tanpa izin tertulis dari pemilik hak cipta. Untuk permintaan lisensi atau kolaborasi, silakan hubungi: https://www.linkedin.com/in/harisariefkamis.

Pelanggaran terhadap ketentuan ini dapat dikenai tindakan perdata dan/atau pidana menurut peraturan perundang‑undangan yang berlaku di Indonesia, termasuk tetapi tidak terbatas pada Undang‑Undang Nomor 11 Tahun 2008 tentang Informasi dan Transaksi Elektronik sebagaimana telah diubah dengan Undang‑Undang Nomor 19 Tahun 2016 (UU ITE) dan ketentuan hak cipta di bawah Undang‑Undang Hak Cipta. Pemilik hak berhak menuntut penghapusan/penarikan konten yang melanggar dari platform pihak ketiga dan/atau menempuh upaya hukum sesuai hukum yang berlaku.

Contact Saya:

print ("Haris Arief Kamis")
print ("Data Enthusiast / Data Analyst")
print ("ID.Java, Kota Bogor, 16144")

Hubungi Saya:

Untuk kerja Kolaborasi & Konsultasi, Klik tautan media sosial dibawah ini.!

LinkedIn GitHub Portfolio

⭐ Thanks For Everthing,Jika repositori ini bermanfaat, jangan lupa beri bintang!⭐

Copyright © {2026} Haris Arief Kamis

All rights reserved.

About

Tujuan kurikulum ini terstruktur untuk mempersiapkan anda mendapatkan pekerjaan pertama sebagai Data Analyst. Fokus pada statistik dasar, SQL untuk analisis bisnis, Python (NumPy & Pandas), pembersihan data, visualisasi, persiapan interview dan Portofolio yang mendorong karier anda.

Topics

Resources

Contributing

Stars

37 stars

Watchers

2 watching

Forks

Releases

Packages

Used by

Contributors

Languages