Pengalaman Magang Mandiri sebagai Data Analyst di PT Wabi Teknologi Indonesia

Pengalaman Magang Mandiri sebagai Data Analyst di PT. Wabi Teknologi Indonesia

Dalam rangka memenuhi salah satu mata kuliah di Universitas Alma Ata, penulis mendapatkan kesempatan untuk menjalani magang mandiri sebagai Data Analyst di PT. Wabi Teknologi Indonesia. Magang ini berlangsung selama tiga bulan dan memberikan pengalaman berharga dalam dunia teknologi dan analisis data.

Mengenal PT. Wabi Teknologi Indonesia

PT. Wabi Teknologi Indonesia merupakan perusahaan IT yang bergerak di bidang engineering dan pendidikan. Fokus utama perusahaan ini adalah memberikan solusi informasi cepat, efisien, dan efektif melalui aplikasi berbasis web. Selain itu, Wabi Teknologi juga menyediakan layanan pelatihan yang dirancang khusus untuk memenuhi kebutuhan klien, menjadikannya tempat yang ideal untuk mengembangkan keterampilan dan pengetahuan.

Tugas dan Tanggung Jawab Selama Magang

Selama magang, penulis bertanggung jawab dalam beberapa tugas utama, di antaranya:

• Mengumpulkan dan membersihkan data dari berbagai sumber, termasuk data kesejahteraan pekerja Indonesia dari Kaggle.

• Melakukan visualisasi data menggunakan Google Data Studio, Apache Superset, dan Power BI.

• Mempelajari dan mempraktikkan penggunaan Apache Superset untuk membuat berbagai jenis chart seperti sunburst, treemap, dan polygon visualization menggunakan deck.gl.

• Mengintegrasikan dataset dengan MySQL Workbench untuk pengolahan data lebih lanjut.

• Mengembangkan dashboard interaktif untuk menampilkan analisis kesejahteraan pekerja di Indonesia.

Proyek besar yang penulis kerjakan adalah membuat visualisasi geospasial menggunakan deck.gl dan mempelajari fitur row level security di Apache Superset.

Pembelajaran dan Tantangan yang Dihadapi

Proses magang ini memberikan banyak pelajaran baru, terutama dalam penggunaan alat analisis data seperti SQL, Python, dan Looker Studio. Penulis juga mendalami berbagai fitur Apache Superset seperti Annotation Layers, Advanced Analytics, dan List Roles. Tantangan terbesar yang penulis hadapi adalah membuat visualisasi hexagon di Superset, di mana penulis harus mencari solusi melalui berbagai tutorial dan eksplorasi mandiri.

Berikut Dokumentasi untuk setiap kegiatan selama magang sebagai Data Analyst di PT. Wabi Teknologi Indonesia

1. Membuat Dashboard KPI Menggunakan Superset

Kegiatan ini melibatkan pembuatan dashboard Kesejahteraan Pekerja Indonesia (KPI) menggunakan Apache Superset. Proses ini mencakup pengolahan data mentah, pembuatan query SQL, dan visualisasi data dalam bentuk grafik interaktif. Dashboard ini digunakan oleh perusahaan untuk memantau pencapaian target dan performa harian secara real-time. 

2. Membuat Dashboard KPI Menggunakan Metabase

Dashboard KPI Menggunakan Metabase (Dokumentasi Pribadi)

 Penulis membuat dashboard serupa di Metabase, alat visualisasi data open-source. Metabase memungkinkan integrasi langsung dengan database perusahaan, sehingga data yang divisualisasikan selalu up-to-date. Dashboard ini mempermudah tim dalam mengakses insight yang relevan tanpa perlu menguasai kode SQL yang kompleks. 

3. Membuat Dashboard KPI Menggunakan Looker Studio 

Dashboard KPI Menggunakan Looker Studio(Dokumentasi Pribadi)

Kegiatan ini berfokus pada Looker Studio untuk memvisualisasikan data KPI perusahaan. Penulis menggunakan koneksi langsung ke Google Sheets dan database internal untuk membangun dashboard yang dapat diakses oleh berbagai divisi. Looker Studio dipilih karena kemudahannya dalam menyesuaikan tampilan dan filter data.

4. Membuat Dashboard Mahasiswa Menggunakan Looker Studio  

Dashboard Mahasiswa Menggunakan Looker Studio (Dokumentasi Pribadi)

Dalam proyek ini, penulis mengembangkan dashboard untuk memvisualisasikan data mahasiswa sebagai bagian dari analisis pendidikan. Dashboard ini memuat data demografis, performa akademik, dan aktivitas mahasiswa, memberikan insight bagi pihak akademik untuk pengambilan keputusan.

5. Membuat Dashboard KPI Menggunakan PowerBI  

Dashboard KPI Menggunakan Power BI(Dokumentasi Pribadi)

Penulis menggunakan Power BI untuk membuat dashboard interaktif yang menampilkan KPI perusahaan. Power BI memiliki kemampuan visualisasi yang lebih kompleks dibandingkan Looker Studio, memungkinkan analisis mendalam dengan fitur drill-through dan cross-filtering. 

6. Membuat Model Machine Learning Menggunakan PyCaret

Model Machine Learning Menggunakan PyCaret

PyCaret digunakan untuk membangun model prediksi berbasis machine learning. Proses ini mencakup pengumpulan data, pembersihan data, dan pelatihan model. Model yang dibuat mampu memprediksi tren masa depan berdasarkan data historis, memberikan insight penting dalam pengambilan keputusan perusahaan.  

7. Presentasi dan Diskusi Hasil Analisis Data

Presentasi dan Diskusi Bersama Mentor(Dokumentasi Pribadi)

Penulis mempresentasikan hasil analisis data yang telah dikerjakan di depan mentor. Diskusi ini bertujuan untuk mendapatkan masukan dan memperbaiki hasil analisis sebelum diterapkan dalam pengembangan produk atau keputusan bisnis.

8. Monitoring dan Evaluasi Magang oleh DPL

Evaluasi dilakukan oleh Dosen Pembimbing Lapangan (DPL) untuk memantau perkembangan magang. 

Monitoring dan Evaluasi oleh DPL(Dokumentasi Pribadi)

9. Pelatihan dan Diskusi Visualisasi Data

Pelatihan dan Diskusi bersama (Dokumentasi Pribadi)

Penulis mengikuti sesi pelatihan internal tentang teknik visualisasi data menggunakan tools seperti Looker Studio. Diskusi ini memperdalam pemahaman saya tentang cara menyajikan data agar lebih mudah dipahami oleh stakeholder.

10. Foto Bersama Seluruh Peserta Magang dan Pembimbing Magang

Penarikan Magang(Dokumentasi Pribadi)

Sebagai penutup program magang, diadakan sesi foto bersama dengan seluruh peserta dan pembimbing magang. Dokumentasi ini menjadi bukti kebersamaan dan kerja keras selama masa magang berlangsung.