Pemateri
Deskripsi
📊 Belajar Analisis Data K3 dari Nol Banget? Siapa Takut! 🚀
Sering bingung melihat ribuan baris data insiden, near-miss, atau laporan K3 di tempat kerja? Ingin mengolahnya tapi takut repot dengan rumus dan bahasa coding yang rumit?
Menguasai pengolahan data saat ini bukan lagi sekadar nilai tambah, tapi kebutuhan wajib bagi praktisi dan mahasiswa K3. Kabar baiknya: Anda tidak perlu bingung harus mulai dari mana!
Mari belajar langkah demi langkah di Kelas Dasar Analisis Data K3 menggunakan Python (Google Colab) — dirancang khusus untuk Anda yang ingin belajar benar-benar dari 0 (NOL). Tanpa perlu instalasi aplikasi berat, langsung praktik!
👨🏫 Belajar Langsung dari Ahlinya: Ahmad Afif Mauludi, S.K.M., M.K.K.K., C.MT., CDE (Trainer & Dosen Analisis Data, Statistik K3; Profesional di bidang data K3 dengan pengalaman >8 tahun)
💻 Detail Jadwal & Topik Pembahasan (Live Online via Zoom):
✅ Sesi 1: Jumat, 18 September 2026 (19.30 - 21.00 WIB)
Pengenalan dasar, anatomi dataset K3 (baris & kolom), tipe data, dan praktik membuat DataFrame pertama menggunakan Google Colab.
✅ Sesi 2: Sabtu, 19 September 2026 (16.00 - 17.30 WIB)
Integrasi & inspeksi data eksternal: Praktik menghubungkan Google Drive serta membaca file laporan CSV dan Excel.
✅ Sesi 3: Jumat, 25 September 2026 (19.30 - 21.00 WIB)
Pengelolaan Data (Data Wrangling): Trik membersihkan data kotor, mengatasi duplikat, standardisasi typo, dan menambal data kosong (missing values).
✅ Sesi 4: Sabtu, 26 September 2026 (16.00 - 17.30 WIB)
Visualisasi: Mengubah deretan angka insiden jadi grafik menarik (Bar Chart, Pie Chart, Histogram) yang siap presentasi.
🎁 Fasilitas Spesial yang Anda Dapatkan:
📁 Modul & Template Praktik (Format PDF/Colab)
🎥 Akses Rekaman Sesi (Bisa ditonton ulang jika ada bagian yang terlewat)
📜 E-Sertifikat
💡 Investasi Belajar:
📦 Paket 4 Sesi (Normal): Rp 300.000 (Lengkap dengan semua fasilitas)
🔥 PROMO EARLY BIRD (Paket 4 Sesi): Hanya Rp 225.000!
(⚠️ Harga Early Bird & fasilitas lengkap hanya berlaku jika mendaftar maksimal tanggal 5 September 2026. Amankan kursimu sekarang!)
Tunggu apa lagi? Jangan biarkan data berantakan menghambat produktivitas dan transformasi sistem K3 di tempat kerjamu.
info lebih lanjut: s.id/admin-datak3
Sesi bootcamp
1
Sesi 1: Pengenalan Dasar Data K3 & Google Colab
Deskripsi Sesi: Sesi pembuka ini meletakkan fondasi utama dalam analisis data Keselamatan dan Kesehatan Kerja (K3) bagi pemula. Peserta akan diperkenalkan pada lingkungan kerja cloud Google Colaboratory yang praktis dan tidak memerlukan instalasi perangkat lunak. Materi berfokus pada pemahaman anatomi tabel data, klasifikasi jenis data K3 (kategorikal vs numerik), serta diakhiri dengan praktik langsung penulisan kode Python pertama untuk membangun tabel data (DataFrame) secara manual menggunakan library Pandas. Outcome: Peserta mampu mengidentifikasi anatomi dan jenis data K3 secara presisi, mengoperasikan antarmuka Google Colab secara mandiri, serta membuat dan menampilkan DataFrame dasar dari nol....
2
Sesi 2: Integrasi & Inspeksi Data Eksternal
Deskripsi Sesi: Sesi ini membawa peserta ke dalam skenario dunia nyata di mana data insiden, audit, atau catatan near-miss tidak diketik manual, melainkan ditarik dari sistem pelaporan perusahaan. Peserta akan dibimbing langkah demi langkah untuk menghubungkan ruang kerja Python dengan Google Drive (mounting), memuat dataset historis dalam format CSV dan Excel, serta melakukan metode inspeksi awal untuk membedah struktur dan dimensi data tersebut. Outcome: Peserta mampu menarik, memuat, dan membaca data skala besar dari file eksternal (CSV/Excel) menggunakan Pandas, serta mampu menggunakan perintah inspeksi dasar untuk mengetahui jumlah observasi, nama variabel, dan mengenali indikasi awal kecacatan data....
3
Sesi 3: Pengelolaan Data (Data Wrangling)
Deskripsi Sesi: Mengadopsi prinsip Garbage In, Garbage Out (GIGO), sesi ini membekali peserta dengan keterampilan teknis untuk membersihkan data mentah di lapangan. Praktik akan difokuskan pada penanganan "data kotor" yang paling sering merusak validitas laporan K3, seperti mendeteksi dan menghapus entri laporan duplikat, menstandardisasi penulisan kategori akibat typo, serta menggunakan teknik imputasi nilai tengah (median) untuk menambal sel data yang kosong atau hilang (missing values). Outcome: Peserta mampu mentransformasi dataset K3 yang "kotor" dan tidak konsisten menjadi data yang terstandarisasi, bersih, valid, dan aman untuk dilanjutkan ke tahap analisis statistik maupun visual....
4
Sesi 4: Dasar Visualisasi Data Deskriptif K3
Deskripsi Sesi: Sesi pamungkas ini mengajarkan seni mengubah deretan angka yang telah dibersihkan menjadi cerita visual yang kuat. Menggunakan library Matplotlib dan Seaborn, peserta akan berlatih merancang grafik deskriptif yang sering digunakan dalam laporan HSE, seperti Bar Chart untuk mengidentifikasi departemen hotspot kecelakaan, Pie Chart untuk melihat proporsi tingkat keparahan cedera, dan Histogram untuk memetakan distribusi sebaran Hari Kerja Hilang (HKH). Outcome: Peserta mampu memproduksi grafik statistik K3 yang komunikatif, estetis, dan profesional secara otomatis, guna mendukung perancangan program pencegahan kecelakaan kerja yang berdampak dan berkelanjutan....
Konten
Pengenalan Dasar Data K3 & Google Colab
Integrasi & Inspeksi Data Eksternal
Pengelolaan Data (Data Wrangling)
Dasar Visualisasi Data Deskriptif K3
Silabus
01
Sesi 1: Pengenalan Dasar Data K3 & Google Colab
• Pengenalan Google Colab • Anatomi Dataset K3 (Baris & Kolom) • Tipe Data K3 (Kategorikal & Numerik) • Pengenalan Library Pandas
02
Sesi 2: Integrasi & Inspeksi Data Eksternal
• Mounting Google Drive • Membaca Dataset K3 (CSV & Excel) • Inspeksi Data Awal (head, tail) • Memahami Dimensi Data (info, shape)
03
Sesi 3: Pengelolaan Data (Data Wrangling)
• Prinsip GIGO (Garbage In, Garbage Out) • Penanganan Data Duplikat • Standardisasi Teks & Kategori • Imputasi Missing Values
04
Sesi 4: Dasar Visualisasi Data Deskriptif K3
• Pengenalan Matplotlib & Seaborn • Visualisasi Kategorik (Bar & Pie Chart) • Visualisasi Numerik (Histogram) • Interpretasi Visual Dasar
Frequently Asked Question
Saya tidak punya latar belakang IT, statistik, atau coding sama sekali. Apakah saya bisa ikut kelas ini?
Tentu saja! Kelas ini dirancang secara khusus untuk pemula dari level 0. Anda tidak diasumsikan memiliki pengetahuan pemrograman apa pun sebelumnya. Pembelajaran akan dilakukan selangkah demi langkah, menggunakan bahasa yang membumi, dan fokus pada studi kasus K3 sehari-hari yang sudah Anda pahami.
Spesifikasi laptop saya sangat standar (bahkan cenderung lambat). Apakah masih kuat untuk melakukan coding data?
Sangat bisa! Anda tidak perlu menginstal perangkat lunak analitik yang berat di laptop Anda. Seluruh sesi praktik akan menggunakan Google Colaboratory (Colab), sebuah platform gratis dari Google yang berjalan sepenuhnya di cloud (internet). Anda hanya membutuhkan browser web (seperti Google Chrome) dan koneksi internet yang stabil.
Bukankah Microsoft Excel/Google Sheets sudah cukup untuk K3? Mengapa harus belajar Python?
Excel/Google Sheets adalah alat yang luar biasa, namun Python membawa Anda ke level selanjutnya. Dengan Python (menggunakan library Pandas dan Matplotlib), Anda bisa mengotomatisasi pembersihan data yang berulang, menangani jumlah baris data yang sangat besar tanpa membuat laptop hang, dan menciptakan visualisasi yang jauh lebih interaktif dan profesional. Ini adalah investasi skill untuk masa depan K3 yang digital, proaktif, serta berdampak dan berkelanjutan.
Kapan jadwal kelas ini diselenggarakan?
Kelas ini terdiri dari 4 sesi intensif dan akan dimulai pada Jumat, 18 September 2026. Jadwal pelaksanaannya adalah: - Jumat: 19.30 - 21.00 WIB - Sabtu: 16.00 - 17.30 WIB
Apa saja output nyata yang akan saya dapatkan setelah 4 sesi ini?
Setelah menyelesaikan kelas ini, Anda akan mampu: - Memasukkan data laporan insiden (dari file CSV/Excel) ke dalam lingkungan Python. - Membersihkan "data kotor" (seperti salah ketik, data ganda, atau sel kosong) dalam hitungan detik. - Mengubah ribuan baris angka menjadi grafik visual yang memukau (seperti Bar Chart, Pie Chart, dan Histogram) untuk presentasi ke manajemen.
Apakah data yang dipraktikkan adalah data sungguhan?
Kita akan menggunakan dataset simulasi K3 (berisi data riwayat insiden, jenis cedera, hari kerja hilang, departemen, dll) yang dibuat menyerupai kondisi lapangan sesungguhnya—lengkap dengan "kekurangan" bawaannya seperti typo dan data yang hilang, agar pengalaman praktik Anda 100% relevan dengan dunia kerja.
Apakah materi, rekaman, atau script kodenya akan dibagikan?
Ya. Sebagai bagian dari inisiatif DataK3.ID, Anda akan mendapatkan modul panduan lengkap, dataset CSV/Excel untuk latihan, serta script kode Python utuh yang nantinya bisa Anda simpan, modifikasi, dan terapkan langsung menggunakan data riil di tempat kerja Anda sendiri.
Kelas Ini Cocok Untuk?
01
Si Paling Manual di Excel
Anda menghabiskan berjam-jam setiap minggu hanya untuk merapikan data near-miss, laporan insiden, atau jam kerja aman menggunakan spreadsheet manual, dan Anda tahu pasti ada cara yang lebih efisien....
02
Nol Pengalaman Coding
Anda sama sekali belum pernah menulis kode pemrograman (Python), merasa terintimidasi oleh bahasa pemrograman, namun memiliki keinginan kuat untuk belajar dari dasar....
03
Mahasiswa atau Akademisi K3
Anda sedang atau akan mengerjakan penelitian, skripsi, atau tesis terkait keselamatan kerja, dan membutuhkan alat analisis yang gratis, fleksibel, serta memiliki kemampuan visualisasi yang jauh lebih baik dari perangkat lunak konvensional....
04
Pencari Solusi Hemat & Praktis
Anda tidak memiliki komputer dengan spesifikasi tinggi atau anggaran untuk membeli lisensi perangkat lunak statistik berbayar, sehingga butuh solusi cloud gratis seperti Google Colaboratory....
Manfaat yang didapat
Sesi 1: Pengenalan Dasar Data K3 & Google Colab
Peserta mampu mengidentifikasi anatomi dan jenis data K3 secara presisi, mengoperasikan antarmuka Google Colab secara mandiri, serta membuat dan menampilkan DataFrame dasar dari nol....
Sesi 2: Integrasi & Inspeksi Data Eksternal
Peserta mampu menarik, memuat, dan membaca data skala besar dari file eksternal (CSV/Excel) menggunakan Pandas, serta mampu menggunakan perintah inspeksi dasar untuk mengetahui jumlah observasi, nama variabel, dan mengenali indikasi awal kecacatan data....
Sesi 3: Pengelolaan Data (Data Wrangling)
Peserta mampu mentransformasi dataset K3 yang "kotor" dan tidak konsisten menjadi data yang terstandarisasi, bersih, valid, dan aman untuk dilanjutkan ke tahap analisis statistik maupun visual....
Sesi 4: Dasar Visualisasi Data Deskriptif K3
Peserta mampu memproduksi grafik statistik K3 yang komunikatif, estetis, dan profesional secara otomatis, guna mendukung perancangan program pencegahan kecelakaan kerja yang berdampak dan berkelanjutan....