C1 · Data Science dan Analitik

Menjawab pertanyaan bisnis dengan data secara jujur: statistika yang benar, eksperimen yang sah, kausalitas yang hati-hati, dan pandas modern, dengan AI sebagai rekan analisis yang diverifikasi.

Course inti jalur Data Scientist di Coding Studio, course pertama jalur Data & AI. Dirancang 17 Oktober 2026, diperbarui 22 Oktober 2026.

Setiap modul bisa dibaca langsung di GitHub; latihan dan contohnya diperiksa otomatis (kode awal gagal, solusi lulus, keluaran contoh sama persis).

---

Posisi course

Kenapa course ini ada

Alat analisis modern (pandas, notebook, agen AI yang menulis kode analisis) membuat siapa pun bisa menghasilkan grafik dan angka dalam hitungan menit. Justru karena itu kesalahan analisis menjadi murah dan sering:

• "promo berhasil" karena rata-rata naik, padahal selisihnya di dalam derau;
• "pengguna aplikasi belanja lebih sedikit" padahal yang bekerja adalah pengacau (jarak rumah);
• survei yang hanya menjangkau pembeli pagi lalu disimpulkan untuk semua;
• p-value yang dicari sampai di bawah 0,05; uji A/B yang diintip setiap hari;
• grafik yang memotong sumbu agar perbedaan kecil terlihat besar.

Cara klasik di course ini: statistika inferensial dan probabilitas, desain eksperimen, regresi yang diturunkan dan ditafsirkan, inferensi kausal (pengacau, DAG, penyesuaian), dan visualisasi yang jujur, sebagian ditulis sendiri dengan Python (uji permutasi, bootstrap, OLS dengan aljabar matriks). Cara modern: pandas 3 (Copy-on-Write, tipe string baru), statsmodels, notebook yang reproduktif, CUPED untuk mempercepat uji A/B, Polars dan DuckDB untuk data yang lebih besar, dan AI sebagai analis pendamping yang setiap angkanya diperiksa ulang.

Untuk siapa

Prasyarat wajib:

• F1 Python dan F2 SQL.
• Statistika dan Probabilitas (course matematika): peluang, variabel acak, distribusi, dan statistik deskriptif. C1 mengulang yang dibutuhkan dengan sudut pandang praktis dan simulasi, tetapi tidak menggantikannya.
• Aljabar Linear (course matematika): matriks dan transpos, ruang kolom dan proyeksi, dekomposisi QR, dan nilai eigen/SVD. Dipakai di Modul 10 (persamaan normal, QR, galat baku dari faktor R) dan Modul 11 (VIF, multikolinearitas); Modul 10 memberi kotak penyegaran singkat.

Prasyarat untuk perkakas: F5 Rilis (git dan GitHub, lingkungan terkunci, GitHub Actions, tayang aplikasi) untuk Lab proyek dan lencana Tayang di Modul 16. K1 Modul 01–03 (kompleksitas) dianjurkan untuk Modul 15.

Lingkungan lab

Versi dipatok sama dengan Pyodide 314.0.7: numpy 2.4.6, pandas 3.0.2, scipy 1.18.0, statsmodels 0.14.6, matplotlib 3.10.8, polars 1.33.1, duckdb 1.5.1 (berkas requirements.txt bersama jalur Data & AI, juga memuat scikit-learn untuk jembatan ke C2). Grafik matplotlib tidak dibandingkan piksel demi piksel; yang diperiksa adalah angka di baliknya.

Catatan versi Python. Lab di peramban berjalan di Python 3.14, sedangkan keluaran yang tertulis di modul diperiksa di Python 3.12 dan 3.13. Paketnya sama, jadi hasil statistik sama; yang bisa berbeda adalah digit terakhir angka pecahan, urutan atau teks pesan galat pustaka standar, dan peringatan deprekasi. Bila keluaran di peramban berbeda di digit terakhir, itu wajar (Modul 01); tes latihan memakai toleransi.

Waktu: ±5 jam per modul, total ±80 jam.

Silabus (16 modul)

Proyek: Analisis Warung Makmur

Pemilik Warung Makmur (F2) bertanya: apakah cashback QRIS layak diteruskan, apakah aplikasi pesan-antar membuat pelanggan belanja lebih banyak, dan bagaimana omzet bulan depan? Peserta menjawabnya selangkah demi selangkah dengan data di data/ (dibuat deterministik oleh data/buat_data.py): transaksi nyata dataset F2, omzet harian dua tahun, uji A/B cashback, data observasional pemakaian aplikasi (dengan pengacau), dan survei kepuasan (dengan bias pemilihan). Data sintetis punya "kebenaran" yang diketahui, sehingga tes bisa memeriksa apakah metode menemukan jawaban yang benar, bukan sekadar menjalankan kode. Kontrak: proyek-analisis.md.

Di luar cakupan C1 (dengan rujukan bila ada): reduksi dimensi dan klaster untuk eksplorasi (C2 Modul 12), analisis teks dasar (C2 Modul 08), model prediktif dan metrik keadilan (C2), visualisasi interaktif dan dasbor (Lab Tayang Modul 16 dan F5), metode kausal lanjut seperti variabel instrumen, RDD, dan kontrol sintetis (hanya disebut di Modul 12), GLM selain logistik dan model campuran (disebut di Modul 11), imputasi ganda dan analisis survival (disebut di Modul 04).

Kerangka setiap modul

# Modul NN · Judul

> **Hasil belajar:** 3–5 kemampuan yang bisa diamati
> **Prasyarat:** modul sebelumnya / pengetahuan
> **Waktu:** ± X jam
> **Hasil lab:** apa yang dihasilkan untuk Analisis Warung Makmur

## Intinya                         (3–5 butir pendek)
## 1. Masalah nyata
## 2. Konsep inti
### 2.N Di balik layar (opsional): …   (pendalaman; boleh dilewati, tidak diuji di kuis)
## 3. Bekerja dengan agen
### Tugas tanpa AI (cara klasik)
### Tugas dengan AI (cara modern)
### Bandingkan
## 4. Lab
### Latihan terperiksa              (label **Tingkat:**; latihan "(opsional)" boleh dilewati)
### Lab proyek                      (diakhiri "Selesai bila:")
## 5. Daftar periksa review
## 6. Red flag analisis dan kode agen
## 7. Studi kasus                   (skenario rekaan yang realistis)
## 8. Di skala enterprise           (ringkas)
## 9. Kuis                          (8–10 soal, kunci + alasan; hanya materi inti)
## Sumber                           (dokumentasi resmi + rujukan klasik, bertanggal)

Aturan isi:

• Angka dari kode, bukan dari ingatan. Setiap angka hasil analisis di prosa diambil dari contoh yang diperiksa mesin (python + text keluaran).
• Latihan memeriksa kebenaran statistik, bukan hanya bentuk: misalnya interval kepercayaan harus memuat nilai sebenarnya data sintetis, uji permutasi buatan sendiri harus cocok dengan scipy.stats dalam toleransi, estimasi kausal harus mendekati efek sebenarnya setelah penyesuaian.
• Keacakan selalu berbenih (np.random.default_rng(42)); hasil simulasi dibandingkan dengan toleransi yang disebut di perintah.
• Studi kasus memakai skenario rekaan yang realistis (toko daring, aplikasi belajar, platform ujian latihan, layanan pendaftaran) dengan angka fiktif yang konsisten dengan proyek course.
• Satu rumah per konsep. C1 memiliki inferensi, eksperimen, dan kausalitas; regresi logistik untuk klasifikasi, IRLS, regularisasi, dan metrik keadilan model ada di C2; Polars, DuckDB, dan Parquet di C4; reproduktibilitas produksi di C10. C1 menautkan, tidak mengajarkan ulang.
• Sumber klasik bergantian: Freedman, Pisani & Purves Statistics (ed. 4); Wasserman All of Statistics; Gelman, Hill & Vehtari Regression and Other Stories (2020); Kohavi, Tang & Xu Trustworthy Online Controlled Experiments (2020); Pearl, Glymour & Jewell Causal Inference in Statistics: A Primer (2016); Hernán & Robins Causal Inference: What If; Hyndman & Athanasopoulos Forecasting: Principles and Practice (ed. 3); Tufte The Visual Display of Quantitative Information; Wickham (2014) "Tidy Data"; Deng dkk. (2013) CUPED.
• Patokan CS2023: knowledge area Artificial Intelligence (bagian statistik/ML dasar) dan Data Management, ditambah matematika dari course Statistika dan Probabilitas serta Aljabar Linear.

Hubungan dengan course lain