Kamu membuka lowongan data analyst, lalu bertemu daftar panjang: SQL, Python, Power BI, Tableau, statistik. Wajar kalau ingin menutup tab. Kabar baiknya, kamu tidak perlu mempelajari semuanya sekaligus. Belajar data analyst dari nol paling aman dengan urutan Excel, SQL, visualisasi, Python dasar, lalu portofolio. Urutan itu dibahas di bawah, lengkap dengan jadwal 12 minggu.
Rangkuman:
- Mulai dari Excel dan SQL, bukan Python.
- Targetkan satu dasbor dan tiga proyek sebagai bukti kemampuan.
- Gaji pemula sekitar Rp5,5–8 juta per bulan menurut satu sumber, jadi pasang ekspektasi yang realistis.
Apa yang Perlu Kamu Pahami Sebelum Mulai Belajar Data Analyst?
Pahami dulu pekerjaannya dan siapkan jadwal belajar. Dua hal ini menentukan apakah kamu bertahan sampai akhir.
1. Kenali tugas harian data analyst
Data analyst mengambil data, membersihkannya, lalu menyajikan temuan agar tim bisa mengambil keputusan. Posisi pemula biasanya bernama junior data analyst, analis pelaporan, atau analis pemasaran. Buka tiga lowongan nyata dan catat tools yang paling sering muncul. Untuk gambaran lengkap pekerjaannya, baca apa itu data analyst dan tugas utamanya.
2. Tentukan jadwal dan target belajar
Sisihkan waktu rutin, misalnya satu jam per hari. Konsistensi lebih berguna daripada sesi panjang yang jarang. Tulis target per minggu agar kemajuanmu terlihat. Sebagai patokan, sertifikat analitik data Google dirancang untuk kurang dari 10 jam per minggu dan selesai dalam kurang dari 6 bulan. Kalau kamu belum yakin arah karier ini cocok, pelajari dulu panduan memilih jalur karier.
Skill Apa yang Sebaiknya Dipelajari Lebih Dulu?
Mulailah dari Excel atau Google Sheets dan statistik dasar. Keduanya fondasi sebelum kamu menyentuh tools lain.
3. Kuasai Excel atau Google Sheets
Latih tabel pivot, fungsi pencarian seperti VLOOKUP, dan pembersihan data. Pakai data penjualan sederhana sebagai bahan latihan. Excel masih menjadi bahasa yang dipahami atasan non-teknis, jadi kemampuan ini langsung terpakai. Panduan lengkapnya ada di belajar Excel untuk data analyst.
Baca Juga: [Judul Artikel Persis dari Link Post]
4. Pelajari statistik dasar sambil jalan
Cukup rata-rata, median, modus, dan simpangan baku. Pahami kapan rata-rata menyesatkan, misalnya ketika ada satu angka penjualan yang jauh lebih besar dari yang lain. Di tahap ini kamu belajar membaca angka, bukan menghafal rumus. Kemampuan itu juga dipakai tim bisnis, seperti dibahas di dasar analisis untuk business development.
Bagaimana Urutan Belajar SQL dan Visualisasi Data?
Pelajari SQL dulu untuk mengambil data, baru visualisasi untuk menampilkannya. Urutan ini membuat dasbormu berisi data yang benar.
| Tahap | Tools | Hasil yang harus jadi | Estimasi |
| Dasar | Excel, statistik | Laporan penjualan dengan tabel pivot | Minggu 1-2 |
| Data | SQL | Kueri SELECT, WHERE, GROUP BY, JOIN | Minggu 3-6 |
| Visual | Power BI, Tableau, atau Looker Studio | Satu dasbor interaktif | Minggu 7-10 |
| Gabungan | Semua tools di atas | Satu proyek dari data mentah sampai dasbor | Minggu 11-12 |
Estimasi ini rencana yang disarankan dengan asumsi sekitar satu jam per hari, bukan hasil survei.
5. Belajar SQL secara bertahap
Mulai dari SELECT dan WHERE, lalu GROUP BY, terakhir JOIN untuk menggabungkan tabel. Latih dengan database contoh, bukan teori saja. Materi praktisnya ada di panduan SQL untuk pemula.
6. Buat dasbor dengan alat visualisasi
Pilih satu alat saja, lalu selesaikan satu dasbor dengan filter dan tiga grafik. Pemilihan grafik yang tepat membuat temuanmu mudah dipahami. Kalau kamu tertarik pada data kampanye, lihat contoh pemakaiannya di analisis data untuk digital marketing.
Baca Juga: [Judul Artikel Persis dari Link Post]
Kapan Waktu yang Tepat Mulai Belajar Python?
Mulailah Python setelah SQL terasa nyaman, kira-kira sesudah minggu ke-12. Terlalu cepat masuk Python sering membuat pemula menyerah.
7. Pelajari Python dasar dengan pandas
Fokus pada membaca file, membersihkan data, dan membuat ringkasan dengan pandas. Kamu tidak perlu menjadi programmer. Pakai asisten AI untuk menjelaskan pesan galat, bukan untuk menulis seluruh kode, supaya kamu tetap paham logikanya. Langkah awalnya dibahas di Python untuk analisis data.
8. Latihan dengan dataset publik
Kaggle menyediakan banyak dataset gratis, dan kamu juga bisa memakai data terbuka dari lembaga seperti BPS. Pilih topik yang kamu kenal, misalnya harga pangan atau penjualan ritel. Data yang dekat dengan hidupmu membuat analisis terasa lebih bermakna.
Bagaimana Mengubah Hasil Belajar Menjadi Peluang Kerja?
Susun portofolio yang bisa dilihat rekruter, lalu pilih jalur belajar yang cocok dengan gayamu.
9. Susun portofolio tiga proyek
Buat satu proyek pembersihan data, satu analisis eksplorasi, dan satu dasbor. Untuk tiap proyek, tulis latar belakang, tujuan, langkah, dan hasil. Simpan di GitHub atau Kaggle. Proyek yang menjawab pertanyaan bisnis nyata lebih menarik, seperti contoh di studi kasus analisis bisnis.
10. Pilih jalur belajar, lalu lamar posisi junior
Tidak ada satu jalur yang paling benar. Pilih sesuai disiplin dan anggaranmu.
| Jalur | Cocok untuk | Catatan |
| Gratis (video, dokumentasi resmi) | Kamu yang disiplin | Perlu menyusun urutan sendiri |
| Kelas on-demand (Coursera, Udemy) | Kamu yang butuh materi terstruktur | Umpan balik terbatas |
| Webinar | Kamu yang ingin mencicipi dulu | Biasanya hanya pengenalan |
| Bootcamp | Kamu yang butuh jadwal dan mentor | Ada biaya, ada proyek terarah |
| Sertifikasi resmi | Kamu yang ingin bukti tertulis | Tetap perlu portofolio |
Jika kamu butuh bimbingan, lihat bootcamp data analyst Rework Academy. Pilihan program lain tersedia di halaman bootcamp.
Mau Portofolio Data Analyst dengan Bimbingan Praktik?
Belajar mandiri berjalan lebih cepat kalau proyekmu ada yang mengoreksi. Untuk itu ada Data Analyst Bootcamp dari Rework Academy, program 3 bulan secara online lewat Zoom live bersama mentor praktisi, dari Excel dan SQL sampai Python, ditutup proyek simulasi kerja selama 2 minggu. Biaya Kelas Professional berada di kisaran Rp2–3 jutaan.
Kalau kamu juga butuh career mentoring 1-on-1 dan penempatan magang, Career Accelerator Data Analyst Bootcamp di kisaran Rp5–7 jutaan menyediakannya. Kedua kelas cocok untuk pemula, fresh graduate, pencari kerja, dan career switcher, dan latar belakang IT tidak wajib.
FAQ
Apakah belajar data analyst harus jago matematika atau coding?
Tidak untuk tahap awal. Banyak posisi pemula bertumpu pada Excel, SQL dasar, dan alat visualisasi seperti Power BI atau Tableau. Statistik cukup rata-rata, median, dan simpangan baku. Python baru perlu setelah 12 minggu pertama, saat fondasimu sudah kuat.
Berapa lama sampai siap melamar kerja junior?
Fondasi (Excel, SQL, satu dasbor, satu proyek) bisa selesai dalam 12 minggu dengan asumsi satu jam per hari. Tambahan Python dan tiga proyek portofolio butuh beberapa minggu lagi. Sebagai pembanding, sertifikat analitik data Google disusun untuk selesai dalam kurang dari 6 bulan.
Berapa gaji data analyst pemula di Indonesia?
Laporan KantorKu pada 21 Juli 2026 menyebut gaji Junior Data Analyst sekitar Rp5,5–8 juta per bulan. Indeed mencatat rata-rata gaji pokok data analyst sekitar Rp5,9 juta per bulan dari 95 laporan, dengan pembaruan 2 Juli 2026. Angka bisa berbeda menurut kota, industri, dan perusahaan, jadi gunakan sebagai patokan awal.
Perlu ikut bootcamp atau cukup belajar mandiri?
Belajar mandiri cukup jika kamu disiplin dan punya cara mendapat umpan balik. Bootcamp membantu jika kamu butuh jadwal, mentor, dan proyek terarah. Apa pun pilihanmu, ukur dari tiga hal: porsi praktik, jumlah proyek yang kamu hasilkan, dan portofolio akhirnya.
