Belajar Data Analyst dari Nol: Kurikulum 12 Minggu Gratis

Belajar data analyst dari nol butuh empat skill: spreadsheet, SQL, visualisasi data, dan statistik dasar. Bukan sepuluh, bukan dua puluh.

Masalahnya, kebanyakan orang bingung urutannya. Mereka mulai dari Python, mentok di minggu ketiga, terus berhenti.

Ini kurikulum 12 minggu yang urutannya udah disusun berdasarkan skill yang paling sering muncul di lowongan data analyst entry-level di Indonesia. Semua tools-nya gratis. Porsinya 1 jam sehari.

Skill Apa Aja yang Beneran Dibutuhin Data Analyst?

Data analyst kerjanya ngambil data, ngerapiin, nyari pola, terus jelasin hasilnya ke orang yang nggak ngerti data. Empat skill di bawah ini yang bikin kerjaan itu jalan.

Skill	Buat apa	Porsi waktu kerja harian
SQL	Ngambil data dari database	~40%
Spreadsheet	Ngerapiin dan ngecek angka cepat	~25%
Visualisasi / dashboard	Nyampein hasil ke tim bisnis	~25%
Statistik dasar	Mastiin kesimpulannya bener	~10%

Angka porsinya perkiraan dari pengalaman aku dan beberapa analyst yang aku tanya. Yang penting bukan persentase persisnya, tapi urutan bobotnya: SQL paling banyak kepakai.

Python nggak masuk daftar. Bukan karena nggak berguna, tapi karena buat entry-level di Indonesia dia jarang jadi syarat wajib. Kerjain nanti di bulan ke-4.

Minggu 1–3: Spreadsheet Sampai Lancar

Pakai Google Sheets. Gratis, jalan di browser, dan rumusnya 90% sama kayak Excel.

Minggu 1: Rumus dasar

1. SUM, AVERAGE, COUNT, COUNTA — hitung dasar.
2. IF dan IFS — logika kondisional.
3. Absolute vs relative reference ($A$1 vs A1). Ini yang paling sering bikin rumus kacau pas di-drag.

Latihan: ambil data belanja bulanan kamu sendiri, kategoriin pakai IF, hitung total per kategori.

Minggu 2: Lookup dan pembersihan data

1. VLOOKUP dan XLOOKUP — gabungin dua tabel.
2. TRIM, PROPER, TEXT — rapihin data berantakan.
3. Remove Duplicates dan Text to Columns.

Kalau XLOOKUP masih asing, mulai dari panduan fungsi XLOOKUP.

Minggu 3: Pivot table

Pivot table itu alat paling cepat buat jawab pertanyaan "berapa total X per Y". Kuasain drag row, column, value, dan filter.

Latihan akhir minggu: unduh data publik dari BPS, bikin pivot yang nunjukin satu tren yang bisa kamu ceritain dalam 2 kalimat.

Minggu 4–6: SQL, Skill Paling Dicari

Ini bagian yang paling nentuin kamu dipanggil interview atau nggak. Dari lowongan data analyst yang aku pantau, SQL hampir selalu ada di syarat wajib.

Minggu 4: Query dasar

SELECT, FROM, WHERE, ORDER BY, LIMIT. Cukup lima ini dulu.

SELECT nama_produk, harga
FROM produk
WHERE harga > 50000
ORDER BY harga DESC
LIMIT 10;

Query pertama kamu bakal bikin mikir "oh, gini doang?" Itu normal.

Minggu 5: Agregasi

GROUP BY, COUNT, SUM, AVG, HAVING. Di sinilah SQL mulai kerasa berguna.

SELECT
    kategori,
    COUNT(*) AS jumlah_transaksi,
    SUM(total_harga) AS omzet,
    ROUND(AVG(total_harga), 0) AS rata_rata_belanja
FROM penjualan
WHERE tanggal >= '2026-01-01'
GROUP BY kategori
HAVING SUM(total_harga) > 1000000
ORDER BY omzet DESC;

Bedain WHERE sama HAVING. WHERE nyaring baris sebelum digrupkan. HAVING nyaring hasil grup. Ini pertanyaan interview klasik.

Minggu 6: JOIN

INNER JOIN dan LEFT JOIN. Dua ini yang kepakai 95% waktu.

SELECT
    DATE_TRUNC('month', p.tanggal) AS bulan,
    c.kota,
    SUM(p.total_harga) AS omzet
FROM penjualan p
JOIN pelanggan c ON c.pelanggan_id = p.pelanggan_id
GROUP BY 1, 2
ORDER BY bulan, omzet DESC;

Kalau JOIN masih bikin bingung, pelan-pelan aja di glossary JOIN. Latihan tiap hari 20 menit lebih ngefek dari maraton 4 jam sekali seminggu.

Minggu 7–8: Visualisasi dan Dashboard

Pakai Looker Studio. Gratis, nyambung langsung ke Google Sheets.

Minggu 7: Pilih chart yang bener

Aturan singkatnya: bar chart buat banding kategori, line chart buat tren waktu, scatter buat cari hubungan. Pie chart cuma kalau kategorinya di bawah 5.

Lebih lengkap ada di artikel jenis-jenis chart dan kapan dipakai.

Minggu 8: Bikin dashboard pertama

Satu dashboard yang bagus punya 4–6 chart, bukan 15. Susun dari atas: angka besar dulu (total omzet, jumlah transaksi), baru tren, baru rincian.

Kasih judul yang berupa kesimpulan, bukan label. "Omzet Turun 12% di Maret" lebih berguna dari "Grafik Omzet Bulanan".

Minggu 9–10: Statistik yang Beneran Kepakai

Kabar baiknya, kamu nggak perlu kalkulus. Yang kepakai sehari-hari cuma ini.

1. Rata-rata vs median. Kalau ada satu pelanggan borong 50 juta, rata-rata jadi bohong. Pakai median.
2. Persentase dan pertumbuhan. Naik dari 10 ke 12 itu naik 20%, bukan naik 2%.
3. Distribusi. Lihat sebarannya dulu sebelum ngambil kesimpulan dari satu angka.
4. Korelasi. Dua hal bergerak bareng nggak berarti yang satu nyebabin yang lain.
5. Sampling. Cara ngambil sampel nentuin hasilnya bias atau nggak — baca panduan sampling data.

Latihan: ambil satu dataset penjualan, hitung rata-rata dan median transaksinya. Kalau selisihnya jauh, cari tau kenapa.

Minggu 11–12: Bikin 3 Project Portfolio

Ini bagian yang nentuin. Sertifikat online nggak bikin recruiter tertarik. Project yang jelas ceritanya, iya.

Tiga project yang aku saranin, satu per jenis.

1. Analisis penjualan. Ambil dataset transaksi, cari 3 temuan, tulis rekomendasi. Pakai SQL buat narik datanya.
2. Dashboard interaktif. Bikin di Looker Studio, kasih filter tanggal dan kategori. Publish link-nya.
3. Analisis dengan keputusan. Pilih satu masalah bisnis nyata (misal: produk mana yang harus di-stop), jawab pakai data, tulis kesimpulannya.

Format tulisannya: masalah apa → data dari mana → apa yang kamu lakuin → apa temuannya → apa rekomendasinya. Lima bagian, cukup 600 kata.

Contoh Kasus: Project Portfolio dari Dataset Toko Berkah

Dataset toko_berkah punya Ngulik Data isinya 8.400 transaksi warung kelontong di Semarang, 142 produk, periode Januari–Maret 2026. Ini contoh project yang bisa kamu bikin dari situ.

Masalah: Pemilik warung mau tau produk mana yang stok-nya kebanyakan dan bikin modal nyangkut.

Yang aku lakuin: Hitung omzet per produk, hitung berapa hari sekali tiap produk laku, lalu bandingin sama sisa stok.

Temuan: 18 dari 142 produk (12,6%) cuma nyumbang 1,8% omzet total. Salah satunya sirup merek tertentu — cuma laku 7 botol dalam 3 bulan, tapi stok di rak 24 botol.

Rekomendasi: Stop restock 18 produk itu, alihin modalnya ke kopi sachet dan mie instan yang laku tiap hari.

Project kayak gini yang bikin recruiter berhenti scroll. Ada angka, ada keputusan, ada dampak rupiah.

Kesalahan Umum Waktu Belajar Data Analyst

Nonton tutorial terus tapi nggak pernah nulis query sendiri. Ini namanya tutorial paralysis. Rasanya produktif, padahal nggak nempel. Aturan aku: 20 menit nonton, 40 menit praktek.

Mulai dari Python. Python punya kurva belajar lebih curam dan hasilnya nggak langsung kelihatan. Banyak yang nyerah sebelum sampai ke bagian yang berguna.

Ngumpulin sertifikat. Dari yang aku lihat, recruiter di Indonesia nanya soal project, bukan sertifikat. Satu project yang beneran kamu kerjain ngalahin lima sertifikat.

Belajar tools, bukan cara mikir. Tau semua tombol di Tableau nggak ada gunanya kalau kamu nggak bisa nentuin pertanyaan mana yang layak dijawab.

Skip bagian yang susah. JOIN dan window function itu susah, dan justru itu yang ditanyain waktu interview teknis.

FAQ

Berapa lama waktu yang dibutuhin buat jadi data analyst dari nol?

Dengan 1 jam sehari secara konsisten, 12 minggu cukup buat nyampe level entry-level yang bisa ngelamar kerja. Kalau kamu bisa 2–3 jam sehari, waktunya bisa dipangkas jadi 6–8 minggu. Yang bikin lama biasanya bukan materinya, tapi berhenti di tengah jalan. Konsistensi 1 jam sehari ngalahin maraton 8 jam tiap weekend.

Harus kuasain Python dulu buat jadi data analyst?

Nggak. Buat posisi data analyst entry-level di Indonesia, SQL dan spreadsheet jauh lebih sering diminta ketimbang Python. Python baru perlu kalau kamu masuk ke data science atau kerjaan yang butuh automasi berat. Kuasain SQL dan visualisasi dulu sampai lancar, baru pertimbangin Python di bulan ke-4 atau ke-5.

Kurikulum ini beneran gratis?

Iya. Semua materi yang disebut di kurikulum ini pakai tools gratis: Google Sheets, SQL lewat editor online, Looker Studio buat dashboard, dan dataset publik dari BPS atau Kaggle. Kamu nggak perlu beli lisensi Excel atau Tableau buat nyelesain 12 minggu ini. Yang kamu perlu cuma laptop dan koneksi internet.

Project portfolio harus berapa banyak?

Tiga project udah cukup, asalkan beda-beda jenisnya: satu analisis penjualan, satu dashboard interaktif, dan satu analisis yang berakhir dengan rekomendasi konkret. Recruiter jarang buka lebih dari 2 project. Yang mereka cek: kamu bisa jelasin masalahnya, ngambil datanya, dan nyimpulin sesuatu yang berguna. Bukan jumlah project-nya.

Gimana kalau aku gak punya background matematika atau IT?

Statistik yang kepakai sehari-hari sebagai data analyst cuma rata-rata, median, persentase, pertumbuhan, dan sedikit korelasi. Semuanya diajarin ulang di minggu 9–10 kurikulum ini. Dari yang aku lihat, orang dengan background bisnis atau marketing malah sering lebih cepat kepakai karena mereka udah ngerti konteks angkanya.

Penutup

Ringkasnya: SQL adalah skill yang paling nentuin, project portfolio yang bikin kamu dipanggil, dan 1 jam sehari selama 12 minggu itu cukup kalau kamu nggak berhenti di tengah.

Yang paling sering gagal bukan orang yang lambat. Tapi orang yang loncat-loncat materi.

Mulai minggu 1 hari ini. Buka Google Sheets, ambil data belanja bulanan kamu, dan bikin satu pivot table. Kalau udah sampai minggu 4, latihan query-nya bisa langsung kamu kerjain di NgulikSQL — gratis, nggak perlu install apa-apa.

Masih ragu soal jurusan kuliah kamu cocok atau nggak? Baca artikel soal jurusan buat jadi data analyst.