programs image

Statistics for Researcher

Kategori user

Kuota terisi: 69%

price-tag Rp2.230.000 Rp12.000.000

price-tag Rp1.900.000 Rp12.000.000

*Sudah termasuk pajak 11%

Dapatkan extra discount Rp200.000 dengan kode promo

Detail Program

Level

programs difficulty

Beginner Friendly

Lokasi

Pacmann Platform & Live via Zoom programs difficulty

Jumlah Course

7 Courses

Jumlah Bab per-Course

16 (2 Bab tiap Minggu)

Durasi per-Course

8 Minggu (40-45 Jam)

Total Durasi

14 bulan

Mentoring

No

Career Outlook

Role
career_outlook_job
Researcher

10-15 juta per bulan

career_outlook_job
Decision Scientist

10-20 juta per bulan

career_outlook_job
Public Policy Analyst

10-20 juta per bulan

Skills

Python

Business Acumen

Basic Statistics

Advance Statistics

Quantitative Research

Industry

Education

Government

FMCG

Media

Finance & Banking

Kurikulum

1
Description

Membangun fondasi yang kuat dalam menggunakan Google Spreadsheet, termasuk fungsi-fungsi dasar hingga advance, serta berbagai fitur spreadsheet seperti chart, pivot table, dan macro.

Silabus
  • Getting Started with Google Spreadsheet

  • Core Functions in Spreasheet

  • Data Preparation & Manipulation

  • Error Handling & Formula Protection

  • Essential Function in Google Sheet

  • Calculation Test : Whatif Analysis

  • Intermediate Function in Google Sheets

  • Pivot Tables Techniques for Dashboarding

  • Advance Function in Google Sheet

  • Macro Features Development

  • Case: Product Cost Analysis

  • Case : Investment Planning & Financial Modelling

  • Case: KPI and Employee Engagement

  • Case: Employee Skill Enhancement

  • Case: Marketing Potential Analysis: Lead Generation

  • Case: Marketing Potential Analysis: Social Media Report Card

Tools
  • Spreadsheets

2
Description

Mampu memahami Python programming language sebagai tools/pondasi untuk melakukan pengolahan data, visualisasi, machine learning modeling, sampai dengan analisis data

Silabus
  • A Good First Program

  • Primitive Data Structure

  • Boolean

  • Branching

  • Composite Data Structure

  • Looping

  • Function: 1

  • Function: 2

  • Object Oriented Programming (OOP): 1

  • Object Oriented Programming (OOP): 2

  • Error, Debugging & Clean Code

  • Git

  • Programming Project Case 1: Part 1

  • Programming Project Case 1: Part 2

  • Programming Project Case 2: Part 1

  • Programming Project Case 2: Part 2

Tools
  • Python

  • Git

  • Github

3
Description

Memahami konsep dasar peluang, variabel random diskrit, variabel random kontinu, hingga inferensi statistik

Silabus
  • Probability in Real Case

  • Set & Counting

  • Probability Model & Axiom

  • Conditional Probability

  • Bayes Rules

  • Independence

  • Random Variable

  • Expectation, Mean, & Variance

  • Discrete Random Variables 1

  • Discrete Random Variables 2

  • Continuous Random Variables 1

  • Continuous Random Variables 2

  • Covariance & Correlation

  • Conditional Expectations & Variance

  • Statistical Test 1

  • Statistical Test 2

Tools
  • Python

4
Description

Pelajari berbagai macam metode Sampling, beserta implementasinya pada kasus/masalah yang berbeda

Silabus
  • Introduction to Sampling Method

  • Simple Random Sampling

  • Estimating Proportions, Ratios, and Subpopulation Means

  • Stratified Sampling

  • Cluster sampling

  • Systematic Sampling

  • Multi Stage Design

  • Two Phase Sampling

  • Adaptive Sampling

  • Unequal Probability Sampling

  • Sufficient Statistic in Sampling

  • Applied Problems for Survey Sampling

Tools
  • Python

5
Description

Pelajari teori dan praktik pemodelan statistik khususnya terkait Linear Regression dan Logistic Regression untuk keperluan analisis data dan inferensi statistik.

Silabus
  • Data and measurement

  • Statistical Inferences

  • Linear Regression

  • Model evaluation

  • Transformation and Regression

  • Sample Size

  • Logistic Regression

Tools
  • Python

6
Description

Pelajari konsep dasar kausalitas (sebab-akibat), perhitungan estimasi efek kausal dengan tepat dan penentuan dan implementasikan research design yang tepat untuk inferensi kausal pada berbagai macam masalah/kasus

Silabus
  • Introduction to Causality

  • Describing Relationship

  • How to Not Measure Causality

  • Causal Diagram

  • Front Door & Back Door Path

  • Matching

  • Fixed Effect

  • Difference in Differences

  • Instrumental Variable

  • Regression Discontinuity

Tools
  • Python

7
Description

Pelajari cara melakukan analisis data time series dan aplikasi model forecasting pada data univariate dan multivariate time series

Silabus
  • Introduction to Time Series Data

  • Measure of Dependence

  • Decomposition Models

  • Time Series Regression

  • ARMA

  • ARIMA

  • Model Selection

  • Model Validation

  • VAR

  • Cointegration

  • Dynamic Regression 1

  • Dynamic Regression 2

  • Time Series Cases 1

  • Time Series Cases 2

  • Prophet Model

  • Practical Forecasting Issue

Tools
  • Python

Fasilitas Program

check-r-green
LinkedIn & CV Review

Review perbaikan CV dan LinkedIn untuk personal branding melalui student Consultant Pacmann

check-r-green
One stop Learning Platform (Pacmann LMS)

Akses materi belajar, assessment hingga melakukan coding di Jupyter Notebook pada LMS Pacmann

check-r-green
Project Guideline

Bangun personalized portfolio dengan berbagai topik untuk keperluan personal branding

check-r-green
Student Group & Community

Bergabung dengan komunitas siswa Pacmann

check-r-green
Hackathon

Tantang Pemahaman dan kemampuan problem solving dengan berkompetisi dengan sesama Pacmann student

check-r-green
Whatsapp Helpdesk

One-stop-solution admin untuk kendala belajar apapun

certificate-mobile

Dapatkan sertifikat digital sebagai bukti valid peningkatan skill yang telah Anda pelajari

certificate

Learning Phases

1
2
3
1
admission test
Registration

Setelah memilih program yang Anda butuhkan, segera selesaikan pembayaran dan isi form yang disediakan

2
admission test
Main Phase

Pada main phase, anda akan belajar dengan mengikuti pre-class dan juga live zoom session setiap minggunya

3
admission test
Graduation

Selamat! Anda akhirnya telah menyelesaikan seluruh rangkaian program Pacmann!

Metode Belajar

metode

Pre-Class

Belajar persiapan teori dasar secara self-paced selama 1 jam. Sesi pre-class memastikan Anda memiliki fondasi pemahaman teori yang baik sebelum masuk ke sesi hands on

metode

Live Zoom Session

Praktik/hands-on pada Zoom Live Session selama 3 jam, dengan 6-10 studi kasus praktik yang beragam

metode

Assessment

Uji pemahaman Anda dengan mengerjakan exam di akhir course (minggu ke-4)

programs

Ilustrasi kegiatan belajar program JPP Basic dalam 1 minggu, dengan agenda belajar pre-class dan live session.

*jadwal dapat mengalami perubahan

Dapatkan kesempatan mentoring dengan para expert

Hanya untuk Job Preparation Program MAX

Student Portfolio

Setiap course Pacmann akan memiliki project guideline, simak kurasi portfolio terbaik dari student Pacmann.

Course lainnya dari Job Preparatian Program BASIC

Frequently Asked Questions

Apa perbedaan dari JPP MAX dan Basic?
Pada program JPP MAX anda akan mendapatkan mentoring secara intensif dengan praktisi industri. Mentoring session memastikan Anda bisa memiliki pemahaman hingga mastery level. Selain itu Anda akan mendapatkan fasilitas job preparation yang lebih eksklusif, seperti akses terhadap virtual internship, mock-up technical test dengan feedback yang lebih terpersonalisasi.
Apa saja yang membedakan Program Pacmann dengan course lain?
Program Pacmann memberikan kurikulum yang sistematis dan komprehensif, diajarkan dari basic hingga mendalam; diajarkan langsung oleh ahlinya (akademisi dan professional), dan banyak fasilitas pendukung, serta dalam 1 modul (misal Introduction to Statistics and Data Visualization) Anda akan mengerjakan 1 project, sehingga semakin banyak kelas yang Anda ambil, semakin banyak juga project yang Anda miliki.
Untuk siapa Job Preparation Program ini disarankan?
Program ini cocok untuk Anda yang sedang memulai karier atau ingin berpindah karier di bidang data.
Saya tidak memiliki background math/statistika sebelumnya, apakah saya masih bisa mengikuti program ini?
Tidak masalah. Di Program Pacmann, siswa akan diajarkan dari materi dasar hingga aplikasinya dengan metode yang intuitif dan contoh kasus yang relatable
Apakah akses materi untuk course ini selamanya?
Tidak. untuk JPP Max, akses materi diberikan selama periode pembelajaran hingga H+6 Bulan setelah program pembelajaran terakhir usai. Namun, untuk JPP Basic akses materi hanya akan diberikan hingga program pembelajaran terakhir selesai.
Apakah ada peserta yang berasal dari Non-STEM?
Banyak. Peserta Program Pacmann memiliki latar belakang pendidikan dan pekerjaan yang beragam. Di Periode ke-1: 22.1% berasal dari jurusan Ekonomi & Bisnis, 2.9% dari jurusan Pertanian, 5.9% lainnya (Filsafat & Ilmu Budaya, dst). Kemudian di Periode ke-2: 20% dari jurusan Ekonomi & Bisnis, 3.3% Filsafat & Ilmu Budaya, 6.7% Ilmu Kesehatan, 6.7% Ilmu Sosial & Politik.
Berapa gaji yang akan saya dapatkan jika saya bekerja sebagai praktisi data?
Gaji merupakan nilai variabel yang bisa ditentukan banyak faktor, mulai dari jenis industri, besaran perusahaan, cakupan tanggung jawab, dan seterusnya. Namun pekerjaan di bidang data cenderung memperoleh kompensasi yang lebih baik dibandingkan posisi lain.

Untuk membaca referensi, klik [di sini]
Bagaimana jika saya pemula di bidang data/engineering dan saya tidak memiliki background di bidang STEM/IT?
Bisa, sekitar 40% siswa di Pacmann berasal dari background non data. Termasuk CEO Pacmann.

Salah satu cerita siswa dari jurusan sejarah jadi data analyst di sini.

Siswa Non-STEM dan masih pemula:
  • Diajarkan dari materi dasar, bahkan mulai dari tingkat konsep hingga praktik
  • Belajarnya lebih slow paced sehingga mudah diikuti dan tidak terburu-buru. Selain itu metode belajarnya ini merupakan cara belajar yang efektif, baca referensinya di sini
  • Disediakan Pre-Class Material sehingga sebelum Live Class berlangsung ada bahan yang bisa dipelajari terlebih dahulu
  • Diajarkan secara langsung oleh pengajar, tidak belajar sendiri
  • Mendapatkan mentoring intensif 2-arah
  • Diberikan evaluasi dan banyak studi kasus
  • Disediakan help desk jika butuh bantuan teknis
Bagaimana caranya pindah karier ke industri data?
Melakukan career switching ke bidang data butuh persiapan matang; mencakup persiapan skills yang sesuai dengan kebutuhan industri, membuat portofolio, penyesuaian CV, serta mengikuti hackathon/perlombaan. Anda bisa membaca lebih lanjut mengenai bagaimana cara agar berhasil pindah karier secara lengkap di sini.

Statistics for Researcher

Umum

Mahasiswa

Umum

Mahasiswa

Kuota terisi: 69%

price-tag Rp2.230.000 Rp12.000.000

price-tag Rp1.900.000 Rp12.000.000

*Sudah termasuk pajak 11%