TL;DR
Dari 96 lowongan analis data bergaji terbuka yang aku catat sepanjang 2025, 38 di antaranya nyebut skill terkait AI di deskripsi kerja. Median gaji kelompok itu Rp 14,2 juta, sementara kelompok tanpa sebutan AI mediannya Rp 9,6 juta. Selisihnya kelihatan besar, tapi sebagian besar datang dari fakta bahwa lowongan bersebutan AI lebih banyak berasal dari fintech dan level senior. Setelah dibandingkan pada industri dan level yang sama, selisihnya menyusut jauh.
Lowongan analis data yang nyebut skill AI punya median gaji lebih tinggi. Dari 96 lowongan bergaji terbuka yang aku catat sepanjang 2025, selisih mediannya Rp 4,6 juta per bulan.
Angka itu kelihatan besar. Tapi begitu dipecah per industri dan level, sebagian besar selisihnya hilang.
Aku bahas dua-duanya di sini, karena versi pertama yang sering beredar di media sosial dan versi kedua yang lebih berguna buat keputusan kamu.
Ini bukan survei nasional. Aku ngumpulin 96 lowongan analis data di portal kerja Indonesia sepanjang 2025 yang nyantumin rentang gaji secara terbuka.
Sebuah lowongan aku hitung sebagai bersebutan AI kalau deskripsi kerjanya nyebut minimal satu dari ini: machine learning, LLM atau AI generatif, prompt engineering, atau model prediktif.
Hasilnya 38 lowongan masuk kelompok bersebutan AI, 58 sisanya nggak.
Sampel segini kecil. Baca sebagai gambaran kasar, bukan kebenaran pasti.
| Kelompok | Jumlah | Median bulanan | Kuartil bawah | Kuartil atas |
|---|---|---|---|---|
| Nyebut skill AI | 38 | Rp 14,2 jt | Rp 10,5 jt | Rp 21,0 jt |
| Nggak nyebut | 58 | Rp 9,6 jt | Rp 7,0 jt | Rp 14,5 jt |
Selisih median Rp 4,6 juta, atau sekitar 48 persen.
Ini angka yang biasanya jadi judul. Dan ini juga angka yang paling gampang salah dibaca.
Karena dua kelompok itu isinya beda dari awal.
Dari 38 lowongan bersebutan AI, 24 di antaranya datang dari fintech, e-commerce, dan perusahaan teknologi. Kelompok industri itu memang bayar lebih tinggi buat semua posisi, dengan atau tanpa AI. Rinciannya udah aku tulis di gaji analis data per industri.
Levelnya juga timpang. Cuma 5 dari 38 lowongan bersebutan AI yang terbuka buat level entry. Di kelompok satunya, 19 dari 58 terbuka buat entry.
Jadi kamu bukan lagi bandingin analis melek AI lawan yang nggak. Kamu lagi bandingin posisi senior di fintech lawan posisi junior di berbagai industri.
Begitu aku batasi perbandingannya ke level mid di industri teknologi dan keuangan doang, sisanya begini:
| Kelompok (level mid, industri teknologi & keuangan) | Jumlah | Median bulanan |
|---|---|---|
| Nyebut skill AI | 14 | Rp 15,0 jt |
| Nggak nyebut | 11 | Rp 13,2 jt |
Selisihnya turun jadi Rp 1,8 juta, sekitar 14 persen. Dengan sampel 25 lowongan, angka itu tipis banget dan bisa geser gara-gara satu dua lowongan.
Kesimpulan yang jujur: sebutan AI berkaitan dengan gaji lebih tinggi, tapi sebagian besar kaitannya datang dari jenis perusahaan yang masang lowongannya.
Aku catat kata kunci yang muncul di 38 deskripsi kerja itu. Urutannya:
| Sebutan | Muncul di |
|---|---|
| Pakai LLM buat bantu analisis atau ringkas teks | 21 lowongan |
| Dasar machine learning (klasifikasi, clustering) | 18 lowongan |
| Bikin alur otomatis yang melibatkan model | 11 lowongan |
| Evaluasi kualitas output model | 6 lowongan |
| Riset atau melatih model dari nol | 2 lowongan |
Yang paling sering diminta ternyata yang paling ringan pelajarannya. Ngeringkas teks bebas, ngelompokkan komentar, bantu bikin draft query.
Riset model dari nol nyaris nggak ada. Itu masuk ke lowongan data scientist, bukan analis.
Buat dasar machine learning, dokumentasi scikit-learn masih titik awal paling rapi dan gratis.
Ada satu pekerjaan rutin di tim tempat aku bantu: ngelompokkan komentar pelanggan dari form keluhan jadi kategori yang bisa dihitung.
Cara lama: dua orang baca manual dan kasih label. Sekitar 1.500 komentar per bulan, makan waktu 9 jam kerja gabungan.
Cara baru: LLM dipakai buat kasih label awal, lalu satu orang cek sampel 150 komentar buat ngukur akurasinya. Akurasi label otomatis di pengecekan itu 87 persen. Sisanya diperbaiki manual di kategori yang paling sering salah.
Waktu turun jadi 2,5 jam per bulan.
Yang menarik buat topik gaji: yang berubah bukan judul jabatannya. Yang berubah, orang itu punya satu cerita konkret buat dibawa ke wawancara berikutnya.
Kalimat "mengurangi 6,5 jam kerja bulanan pada proses pelabelan keluhan, dengan akurasi terukur 87 persen" jauh lebih kuat dari daftar nama tool di CV.
Cara nyusun kalimat semacam ini di berkas lamaran aku bahas di panduan CV ATS friendly.
Ngebandingin dua kelompok yang isinya beda. Ini kesalahan paling besar dan paling sering. Selalu tanya: dua kelompok ini sama nggak dari sisi industri, level, dan kota.
Nganggep korelasi berarti sebab. Perusahaan yang nulis AI di lowongan cenderung perusahaan yang lagi tumbuh dan punya dana. Mereka bayar lebih tinggi buat semua posisi.
Ngejar semua tool yang lagi ramai. Dari daftar di atas, dua kemampuan nutup mayoritas kebutuhan. Kuasai itu dulu sebelum nambah yang lain.
Ninggalin dasar demi yang baru. SQL muncul di 89 dari 96 lowongan yang aku catat. Sebutan AI muncul di 38. Kalau harus milih satu buat dipelajari bulan ini, jawabannya jelas.
Nulis skill AI di CV tanpa hasil. Daftar nama tool kelihatan sama di semua CV. Yang ngebedain angka dan konteks.
Kemampuan pakai LLM buat bantu analisis muncul di 21 dari 38 lowongan bersebutan AI. Dasar machine learning kayak klasifikasi dan clustering muncul di 18. Riset model dari nol cuma di 2, dan itu pun di posisi yang sebenarnya lebih dekat ke data scientist.
Sertifikatnya sendiri nggak. Yang ngaruh adalah bukti kamu pernah nyelesaikan pekerjaan nyata dengan bantuan AI, lengkap dengan angka hasilnya. Pewawancara nanya soal hasilnya, bukan nama kursusnya.
SQL dulu, dan jaraknya jauh. SQL muncul di 89 dari 96 lowongan, sebutan AI di 38. Lowongan yang minta AI hampir selalu minta SQL juga, sebaliknya nggak berlaku.
Dari isi lowongan yang aku baca, yang berubah tuntutan outputnya, bukan jumlah posisinya. Bagian yang berulang dan mekanis makin sering dibantu alat. Bagian nentuin pertanyaan yang tepat dan mempertanggungjawabkan angka ke pimpinan masih nempel ke orang.
Dua hal yang layak dibawa. Selisih mentah Rp 4,6 juta itu nyata di data, tapi menyusut jadi sekitar Rp 1,8 juta setelah industri dan levelnya disamain. Dan yang beneran ngangkat tawaran bukan sebutan skill di CV, tapi angka hasil yang bisa kamu ceritain.
Kalau kamu mau mulai dari alur kerja yang paling cepat kepakai, ada bahasan soal pakai AI buat analisa survei dan few shot prompting buat kerjaan data.
Tapi kalau SQL kamu masih goyah, benerin itu dulu. Latihannya bisa langsung kamu kerjain di NgulikSQL.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kerja data analyst di luar negeri bukan soal ijazah luar negeri. Yang nentuin: sponsorship visa, portfolio, dan negara yang kamu incar.
Financial analyst kerja di angka uang, data analyst kerja di angka apa pun. Tapi di 2026 tools-nya makin sama. Ini beda dan irisannya.
Apa itu marketing analyst, metrik apa yang tiap hari dipegang, tools yang wajib bisa, dan jalur masuk yang paling realistis buat orang non-teknis di Indonesia.