Big Data Science Professional

Big Data Science Professional

Big Data Science Professional merupakan program pelatihan yang dirancang untuk membekali peserta dengan pemahaman komprehensif mengenai Big Data analytics dan fundamental Data Science dari perspektif bisnis dan teknologi. Pelatihan ini membahas konsep, model, manfaat, tantangan, praktik analisis data, teknologi Big Data, serta penerapan analisis berbasis data dalam skenario bisnis nyata.

Target Audience
  1. IT professional, data analyst, BI analyst, dan system analyst.
  2. Business analyst, project manager, product manager, dan decision maker.
  3. Konsultan IT, konsultan bisnis, dan konsultan transformasi digital.
  4. Dosen, peneliti, mahasiswa, dan akademisi yang ingin memahami Big Data dan Data Science.
  5. Profesional umum yang ingin membangun kompetensi di bidang data analytics dan Big Data.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami konsep dasar Big Data, Big Data analytics, dan fundamental Data Science.
  2. Menjelaskan manfaat, tantangan, risiko, dan isu adopsi Big Data dalam organisasi.
  3. Mengidentifikasi business drivers dan technology drivers dalam implementasi Big Data.
  4. Memahami karakteristik data dalam lingkungan Big Data, termasuk structured, unstructured, dan semi-structured data.
  5. Menjelaskan konsep metadata, data veracity, kualitas data, serta peran data dalam analytics.
  6. Memahami perbedaan descriptive, diagnostic, predictive, dan prescriptive analytics.
  7. Menjelaskan hubungan antara Business Intelligence, data visualization, dan Big Data.
  8. Memahami Big Data analysis lifecycle mulai dari evaluasi business case hingga data analysis dan visualization.
  9. Mengenali teknik analisis seperti A/B testing, correlation, regression, heat maps, time series analysis, network analysis, spatial analysis, classification, clustering, filtering, sentiment analysis, dan text analytics.
  10. Memahami konsep teknologi Big Data seperti cloud computing, storage devices, processing engines, resource managers, query engines, analytics engines, dan workflow engines.
  11. Menerapkan pemahaman Big Data analytics melalui lab exercise dan studi kasus berbasis problem solving.
  12. Mempersiapkan diri untuk mengikuti sertifikasi Big Data Science Professional melalui practice exam questions dan online-proctored certification exam.
Curriculum
Modul 1 — Fundamental Big Data Science & Analytics

Membahas dasar-dasar Big Data dan Data Science dari perspektif bisnis dan teknologi, termasuk konsep Big Data, terminology, business drivers, technology drivers, jenis data, metadata, data veracity, analytics, Business Intelligence, data visualization, serta pertimbangan adopsi Big Data.

Pokok bahasan:

  • Understanding Big Data.
  • Big Data terminology and concepts.
  • Business and technology drivers.
  • Structured, unstructured, dan semi-structured data.
  • Metadata dan data veracity.
  • Descriptive, diagnostic, predictive, dan prescriptive analytics.
  • Business Intelligence dan data visualization.
Modul 2 — Big Data Analysis & Technology Concepts

Membahas praktik analisis, teknologi, dan tools dalam lingkungan Big Data, dengan fokus pada lifecycle analisis, teknik analisis data, serta komponen teknologi yang mendukung penyimpanan, pemrosesan, query, dan analytics.

Pokok bahasan:

  • Big Data analysis lifecycle.
  • A/B testing, correlation, regression, dan heat maps.
  • Time series, network, dan spatial data analysis.
  • Classification, clustering, dan filtering.
  • Sentiment analysis dan text analytics.
  • Cloud computing dalam Big Data.
  • Big Data storage, processing, query, analytics, dan workflow engines.
Modul 3 — Big Data Analysis & Technology Lab

Membahas latihan berbasis studi kasus untuk menguji kemampuan peserta dalam menerapkan konsep Big Data analysis dan teknologi Big Data pada masalah nyata. Lab ini membantu peserta memahami penerapan analisis data untuk kebutuhan bisnis dan teknologi.

Pokok bahasan:

  • Lab case study berbasis skenario bisnis.
  • Perencanaan lingkungan Big Data dan BI.
  • Analisis data pelanggan.
  • Data integration dan reporting.
  • Analisis smart meter data.
  • Demand prediction.
  • Asset management dan risk identification.
BDSCP
Duration
4 Hari (30 JP)
Course Level
Intermediate
Delivery Mode
Offline
Online
Certification Body
Arcitura
Rp. 8.950.000,-/peserta
Brochure File
Big Data Science Profesional Flyer.pdf
Daftar

Big Data Professional

Big Data Professional

Big Data Professional merupakan program pelatihan yang membekali peserta dengan pemahaman fundamental mengenai konsep Big Data dan Data Science dari perspektif bisnis dan teknologi. Pelatihan ini membahas manfaat, tantangan, risiko, jenis data, analisis data, analytics, visualisasi, serta teknologi Big Data yang digunakan dalam implementasi dunia nyata.

Target Audience
  1. IT professional dan technology practitioner yang ingin memahami konsep, arsitektur, dan teknologi dasar Big Data.
  2. Business analyst, system analyst, dan data analyst yang ingin memahami bagaimana Big Data digunakan untuk analisis dan pengambilan keputusan.
  3. Manajer, supervisor, dan decision maker yang ingin memahami manfaat, risiko, dan peluang pemanfaatan Big Data di organisasi.
  4. BI professional dan data visualization specialist yang ingin memperluas pemahaman tentang analytics dan visualisasi dalam lingkungan Big Data.
  5. Konsultan IT, konsultan bisnis, dan konsultan transformasi digital yang ingin memperkuat kompetensi dalam Big Data dan Data Science.
  6. Project manager, product manager, dan innovation team yang terlibat dalam pengembangan solusi berbasis data.
  7. Dosen, peneliti, mahasiswa, dan akademisi yang ingin membangun fondasi pengetahuan Big Data dan Data Science.
  8. Profesional umum yang ingin memahami penerapan Big Data dalam bisnis, teknologi, dan pengambilan keputusan modern.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami konsep dasar Big Data dan Data Science dalam konteks bisnis dan teknologi.
  2. Menjelaskan terminology, konsep, manfaat, tantangan, dan risiko dalam implementasi Big Data.
  3. Mengidentifikasi business drivers dan technology drivers yang mendorong adopsi Big Data.
  4. Memahami karakteristik data dalam lingkungan Big Data, termasuk structured, unstructured, dan semi-structured data.
  5. Menjelaskan konsep metadata, data veracity, dan kualitas data dalam analisis Big Data.
  6. Memahami dasar-dasar analisis dan analytics, termasuk descriptive, diagnostic, predictive, dan prescriptive analytics.
  7. Menjelaskan peran Business Intelligence dan data visualization dalam pengambilan keputusan berbasis data.
  8. Memahami Big Data analysis lifecycle mulai dari business case evaluation hingga data analysis dan visualization.
  9. Mengenali teknik analisis seperti A/B testing, correlation, regression, heat maps, time series analysis, network analysis, spatial data analysis, classification, clustering, filtering, sentiment analysis, dan text analytics.
  10. Memahami konsep teknologi Big Data, termasuk cloud computing, storage devices, processing engines, resource managers, data transfer engines, query engines, analytics engines, dan workflow engines.
  11. Mempersiapkan diri untuk mengikuti certification bundle melalui practice exam questions dan online-proctored certification exam.
Curriculum
Modul 1 — Fundamental Big Data Science & Analytics

Modul ini membahas konsep dasar Big Data dan Data Science dari perspektif bisnis dan teknologi, termasuk terminology, manfaat, tantangan, risiko, jenis data, karakteristik data, metadata, data veracity, analytics, BI, visualisasi data, serta pertimbangan adopsi Big Data.

Pokok bahasan utama:

  • Understanding Big Data.
  • Big Data terminology and concepts.
  • Big Data business and technology drivers.
  • Structured, unstructured, dan semi-structured data.
  • Metadata dan data veracity.
  • Fundamental analysis and analytics.
  • Descriptive, diagnostic, predictive, dan prescriptive analytics.
  • Business Intelligence dan data visualization.
  • Big Data adoption and planning considerations.
Modul 2 — Big Data Analysis & Technology Concepts

Modul ini membahas praktik analisis, teknologi, dan tools yang umum digunakan dalam lingkungan Big Data, mulai dari lifecycle analisis hingga mekanisme teknologi yang mendukung penyimpanan, pemrosesan, query, analytics, dan workflow Big Data.

Pokok bahasan utama:

  • Big Data analysis lifecycle.
  • A/B testing, correlation, regression, dan heat maps.
  • Time series, network, dan spatial data analysis.
  • Classification, clustering, dan filtering.
  • Sentiment analysis dan text analytics.
  • Cloud computing dalam Big Data.
  • Big Data storage devices dan processing engines.
  • Resource managers, data transfer engines, query engines, analytics engines, dan workflow engines.
Big Data Profesional
Duration
3 Hari (20 JP)
Course Level
Fundamental
Delivery Mode
Offline
Online
Certification Body
Arcitura
Rp. 6.250.000,-
Brochure File
Big Data Profesional Flyer.pdf
Daftar

Predictive AI Specialist

Predictive AI Specialist

Predictive AI Specialist adalah program pelatihan yang dirancang untuk membekali peserta dengan pemahaman komprehensif mengenai konsep, model, praktik, dan best practices dalam Predictive AI. Pelatihan ini membahas penerapan AI analytics dalam berbagai skenario bisnis, teknik pemrosesan data, model training, learning approaches, evaluasi model, serta latihan berbasis studi kasus untuk memperkuat kemampuan peserta dalam memahami dan menerapkan Predictive AI secara praktis.

Target Audience
  • IT professional dan technology practitioner yang ingin memahami cara kerja Predictive AI dan aplikasinya dalam solusi teknologi.
  • Business analyst dan system analyst yang ingin memahami bagaimana Predictive AI digunakan untuk mendukung kebutuhan bisnis dan pengambilan keputusan.
  • Data analyst, data enthusiast, dan BI professional yang ingin memperluas kompetensi ke area AI analytics dan model evaluation.
  • Manajer, supervisor, dan decision maker yang ingin memahami manfaat, risiko, dan peluang penerapan Predictive AI di organisasi.
  • Konsultan IT, konsultan bisnis, dan konsultan transformasi digital yang ingin memperkuat pemahaman tentang AI use case, learning approaches, dan solution design.
  • Project manager, product manager, dan innovation team yang terlibat dalam pengembangan solusi berbasis AI.
  • Dosen, peneliti, widyaiswara, dan instruktur pelatihan yang ingin memahami materi Predictive AI untuk kebutuhan pengajaran, riset, atau pengembangan kurikulum.
  • Mahasiswa dan fresh graduate yang ingin membangun fondasi awal di bidang Predictive AI, machine learning, dan AI for business.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami konsep dasar Predictive AI dan perannya dalam mendukung analisis, prediksi, dan pengambilan keputusan bisnis.
  2. Menjelaskan business drivers dan technology drivers yang mendorong penggunaan Predictive AI dalam organisasi.
  3. Mengidentifikasi manfaat, risiko, dan tantangan dalam penerapan Predictive AI.
  4. Memahami kategori masalah bisnis yang dapat diselesaikan menggunakan pendekatan AI.
  5. Menjelaskan berbagai jenis Predictive AI dan pendekatan pembelajaran yang umum digunakan.
  6. Memahami proses model training dan training loop dalam pengembangan model Predictive AI.
  7. Membedakan pendekatan supervised learning, unsupervised learning, continuous learning, semi-supervised learning, heuristic learning, dan reinforcement learning.
  8. Memahami teknik dasar feature encoding, feature imputation, dimensionality reduction, dan data wrangling.
  9. Melakukan evaluasi model, baseline modeling, model optimization, dan strategi menghindari overfitting.
  10. Memahami konsep transfer learning dan penerapannya dalam pengembangan model AI.
  11. Mengaplikasikan pemahaman Predictive AI melalui latihan berbasis studi kasus dan skenario bisnis nyata.
  12. Mempersiapkan diri untuk mengikuti certification bundle melalui practice exam questions dan online-proctored certification exam.
Curriculum

Modul 1 — Fundamental Predictive AI

Modul ini membahas dasar-dasar Predictive AI, penerapan Predictive AI dalam berbagai aplikasi bisnis, praktik dan sistem Predictive AI, pendekatan pembelajaran umum, serta area fungsional yang banyak digunakan dalam sistem AI.

Pokok bahasan:

  • Predictive AI business and technology drivers.
  • Predictive AI benefits.
  • Common risks and challenges of using Predictive AI.
  • Business problem categories addressed by AI.
  • Types of Predictive AI.
  • Common Predictive AI learning approaches.
  • Predictive AI learning and model training.
  • Step-by-step training loop process.
  • Supervised learning.
  • Unsupervised learning.
  • Continuous learning.
  • Heuristic learning.
  • Semi-supervised learning.
  • Reinforcement learning.
  • Common Predictive AI functional designs.
  • Computer vision dan pattern recognition.
  • Robotics, Natural Language Processing, speech recognition, dan Natural Language Understanding.
  • AI models dan neural networks.

Modul 2 — Advanced Predictive AI

Modul ini memberikan pemahaman tentang cara kerja sistem Predictive AI melalui teknik learning, data processing, data manipulation, serta AI system performance management. Modul ini tidak berfokus pada rumus matematika atau programming, sehingga sesuai untuk general IT professionals.

Pokok bahasan:

  • Understanding supervised learning.
  • Understanding unsupervised learning.
  • Essential analytics techniques and processes.
  • Feature encoding.
  • Feature imputation.
  • Dimensionality reduction.
  • Data wrangling.
  • Model evaluation.
  • Training performance evaluation.
  • Baseline modeling.
  • Model optimization.
  • Overfitting avoidance.
  • Transfer learning.

Modul 3 — Predictive AI Lab

Modul ini berisi latihan berbasis studi kasus dan problem-solving lab untuk menguji kemampuan peserta dalam menerapkan pengetahuan dari modul sebelumnya. Lab ini dirancang untuk memperkuat pemahaman dan menunjukkan bagaimana praktik dan teknologi Predictive AI dapat dikombinasikan dalam solusi yang lebih besar.

Pokok bahasan:

  • Case Study Background: ADM.
  • Lab Exercise: Burdensome Model Training.
  • Lab Exercise: Neural Network Selection.
  • Lab Exercise: Making Difficult Decisions That Could Save Lives.
  • Case Study Background: PMI.
  • Lab Exercise: Defining How Robots Learn and Neural Network Selection.
  • Lab Exercise: Neural Network Selection and Complex Learning Challenges.
  • Lab Exercise: Dealing with an Underperforming Model.
  • Case Study Background: HHA.
  • Lab Exercise: Dynamic Forecasting with Multi-Analysis.
  • Lab Exercise: Deep Profile Data and Finding Hidden Preferences.
  • Lab Exercise: Realtime Adaptive Pricing.

Modul 4 — Learning Materials dan Certification Preparation

Peserta juga memperoleh akses materi pembelajaran yang mendukung proses belajar, seperti workbook lessons, interactive exercises, mind map poster, practice exam questions, serta printable PDFs. Certification bundle mencakup online-proctored certification exam dan practice exam questions.

Pokok bahasan:

  • Review materi utama Predictive AI Specialist.
  • Workbook lessons.
  • Interactive exercises.
  • Mind map poster.
  • Practice exam questions.
  • Printable PDFs.
  • Strategi persiapan ujian sertifikasi.
  • Online-proctored certification exam preparation.
  • Final review konsep kunci Predictive AI.
Predictive AI Specialist
Duration
4 Hari (30 JP)
Course Level
Fundamental
Intermediate
Delivery Mode
Offline
Online
Certification Body
Arcitura
Rp. 8.950.000,-/peserta
Brochure File
Predictive AI Specialist.pdf
Daftar

Digital Transformation Specialist

Digital Transformation Specialist

Digital Transformation Specialist merupakan program pelatihan yang dirancang untuk membantu peserta memahami transformasi digital dari perspektif bisnis dan teknologi. Pelatihan ini membekali peserta dengan pemahaman fundamental mengenai strategi, praktik, teknologi pendukung, serta tantangan dalam implementasi transformasi digital di organisasi.

Target Audience
  1. Pimpinan organisasi, manajer, dan decision maker yang ingin memahami arah transformasi digital dan dampaknya terhadap strategi bisnis.
  2. IT manager, business analyst, system analyst, dan enterprise architect yang terlibat dalam perencanaan dan implementasi solusi digital.
  3. Konsultan IT, konsultan bisnis, dan konsultan transformasi digital yang ingin memperkuat pemahaman mengenai framework, teknologi, dan praktik transformasi digital.
  4. Project manager, product manager, dan innovation team yang bertanggung jawab dalam pengembangan produk, layanan, atau inisiatif digital.
  5. Data analyst, digital strategist, dan digital transformation team yang ingin memahami keterkaitan data, teknologi, customer journey, dan strategi organisasi.
  6. ASN, BUMN, institusi pendidikan, dan lembaga pemerintah yang sedang atau akan menjalankan program transformasi digital.
  7. Mahasiswa, fresh graduate, dan profesional umum yang ingin membangun kompetensi dasar dalam bidang transformasi digital dan teknologi masa depan.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami konsep dasar transformasi digital dan perannya dalam perubahan bisnis modern.
  2. Menjelaskan hubungan antara strategi bisnis, teknologi digital, data, dan inovasi dalam transformasi digital.
  3. Mengidentifikasi business drivers dan technology drivers yang mendorong kebutuhan transformasi digital.
  4. Memahami konsep customer-centricity, customer journey, dan customer data intelligence sebagai dasar pengembangan layanan digital.
  5. Menjelaskan peran data intelligence dalam mendukung pengambilan keputusan yang lebih cepat, akurat, dan berbasis data.
  6. Memahami konsep intelligent decision-making dalam konteks proses bisnis dan layanan digital.
  7. Mengidentifikasi peran teknologi utama dalam transformasi digital, termasuk AI, Cloud Computing, RPA, Blockchain, IoT, Big Data, dan Machine Learning.
  8. Menganalisis risiko, tantangan, dan peluang dalam implementasi transformasi digital.
  9. Memahami pendekatan solution design dalam membangun solusi transformasi digital yang relevan dengan kebutuhan organisasi.
  10. Mempersiapkan diri untuk mengikuti certification bundle melalui pemahaman materi, practice exam questions, dan online-proctored certification exam.
Curriculum

Modul 1 — Fundamental Digital Transformation

Modul ini membahas dasar-dasar transformasi digital, hubungan antara bisnis dan teknologi, serta faktor utama yang mendorong organisasi melakukan perubahan menuju model kerja dan layanan digital.

Pokok bahasan:

  • Konsep dasar digital transformation.
  • Perspektif bisnis dan teknologi dalam transformasi digital.
  • Business drivers dan technology drivers.
  • Customer-centricity dalam transformasi digital.
  • Customer journey dan pengalaman pelanggan digital.
  • Customer data intelligence.
  • Data intelligence basics.
  • Intelligent decision-making.
  • Risiko dan tantangan awal transformasi digital.

Modul 2 — Digital Transformation in Practice

Modul ini membahas praktik transformasi digital melalui pemanfaatan teknologi utama, desain solusi, dan penerapan pendekatan digital untuk mendukung proses bisnis organisasi.

Pokok bahasan:

  • Praktik transformasi digital dalam organisasi.
  • Solution design untuk transformasi digital.
  • Peran cloud computing dalam transformasi digital.
  • Peran Artificial Intelligence dalam layanan dan proses bisnis.
  • Robotic Process Automation dalam otomatisasi proses.
  • Internet of Things untuk integrasi data dan perangkat.
  • Blockchain dalam solusi digital.
  • Big Data dan data analytics dalam transformasi digital.
  • Machine Learning dalam pengambilan keputusan cerdas.
  • Risiko, tantangan, dan strategi mitigasi teknologi digital.

Modul 3 — Business & Technology Drivers

Peserta memahami faktor bisnis dan teknologi yang menjadi pendorong utama transformasi digital, baik dari sisi kebutuhan pelanggan, efisiensi operasional, inovasi layanan, maupun tekanan kompetitif.

Pokok bahasan:

  • Perubahan perilaku pelanggan.
  • Digital business model.
  • Efisiensi proses bisnis.
  • Inovasi produk dan layanan.
  • Integrasi teknologi dalam strategi organisasi.
  • Kesiapan organisasi menghadapi perubahan digital.

Modul 4 — Customer-Centricity dan Customer Journey

Peserta mempelajari bagaimana transformasi digital harus berorientasi pada pelanggan, pengalaman pengguna, dan pemanfaatan data pelanggan dalam pengembangan layanan.

Pokok bahasan:

  • Konsep customer-centricity.
  • Customer journey dalam layanan digital.
  • Customer data intelligence.
  • Personalisasi layanan.
  • Omnichannel interaction.
  • Pengukuran pengalaman pelanggan digital.

Modul 5 — Data Intelligence dan Intelligent Decision-Making

Peserta memahami peran data sebagai aset strategis dalam transformasi digital serta bagaimana data digunakan untuk mendukung pengambilan keputusan organisasi.

Pokok bahasan:

  • Data sebagai aset strategis.
  • Data collection dan data utilization.
  • Data intelligence dalam organisasi.
  • Decision-making berbasis data.
  • Intelligent manual decision-making.
  • Intelligent automated decision-making.
  • Pemanfaatan data dalam strategi digital.

Modul 6 — Emerging Technologies for Digital Transformation

Peserta mempelajari peran teknologi utama dalam transformasi digital dan bagaimana teknologi tersebut digunakan untuk membangun solusi digital yang terintegrasi.

Pokok bahasan:

  • Artificial Intelligence.
  • Cloud Computing.
  • Robotic Process Automation.
  • Blockchain.
  • Internet of Things.
  • Big Data.
  • Machine Learning.
  • Integrasi teknologi dalam solusi transformasi digital.

Modul 7 — Risks, Challenges, dan Solution Design

Peserta mempelajari risiko dan tantangan dalam implementasi transformasi digital serta pendekatan desain solusi untuk memastikan transformasi berjalan efektif dan bernilai bagi organisasi.

Pokok bahasan:

  • Risiko teknologi dan operasional.
  • Risiko perubahan organisasi.
  • Tantangan integrasi sistem.
  • Tantangan data dan keamanan.
  • Kesiapan SDM dan budaya digital.
  • Prinsip solution design.
  • Strategi mitigasi risiko transformasi digital.

Modul 8 — Certification Preparation dan Practice Review

Peserta diarahkan untuk memahami struktur certification bundle, memanfaatkan practice exam questions, dan mempersiapkan diri mengikuti online-proctored certification exam.

Pokok bahasan:

  • Review materi utama Digital Transformation Specialist.
  • Practice exam questions.
  • Strategi menjawab soal sertifikasi.
  • Pemetaan konsep kunci.
  • Final review sebelum ujian.
  • Persiapan online-proctored certification exam.
Digital Transformation Specialist
Duration
3 Hari (20 JP)
Course Level
Fundamental
Delivery Mode
Offline
Online
Certification Body
Arcitura
Rp. 6.250.000,-
Brochure File
Digital Transformation Specialist Flyer.pdf
Daftar

Karya Tulis Ilmiah Internasional

Karya Tulis Ilmiah Internasional

Pelatihan KTI Internasional membekali peserta dengan strategi menulis dan mempublikasikan karya tulis ilmiah pada jurnal internasional bereputasi, mulai dari penentuan novelty, penyusunan manuskrip, pemilihan jurnal target, penggunaan AI dan review tools, hingga evaluasi dan optimasi naskah secara mandiri.

Target Audience

Sasaran Peserta

  1. Dosen dan akademisi yang ingin meningkatkan kualitas publikasi ilmiah internasional.
  2. Peneliti dan tenaga riset yang sedang menyiapkan artikel untuk jurnal internasional bereputasi.
  3. Mahasiswa S2 dan S3 yang ingin mengembangkan artikel dari tesis, disertasi, atau hasil penelitian untuk publikasi internasional.
  4. Guru, widyaiswara, dan tenaga pendidik yang ingin meningkatkan kompetensi penulisan ilmiah pada level internasional.
  5. ASN, analis kebijakan, dan praktisi profesional yang memiliki hasil kajian atau penelitian terapan untuk dikembangkan menjadi artikel ilmiah.
  6. Calon penulis jurnal internasional yang membutuhkan pemahaman tentang strategi publikasi, pemilihan jurnal, novelty, dan proses review.
  7. Tim riset, pusat studi, dan lembaga pendidikan yang ingin meningkatkan kapasitas publikasi ilmiah institusi.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami karakteristik, standar, dan ekspektasi penulisan artikel ilmiah pada jurnal internasional bereputasi.
  2. Menentukan strategi publikasi dan target jurnal internasional yang sesuai dengan bidang kajian dan kualitas naskah.
  3. Mengembangkan mindset publikasi ilmiah internasional yang berorientasi pada kontribusi, novelty, rigor, dan relevansi global.
  4. Mengidentifikasi novelty, research gap, dan kontribusi ilmiah dalam naskah KTI.
  5. Menyusun manuskrip KTI sesuai standar dan format jurnal internasional.
  6. Melakukan penelusuran ilmiah menggunakan sumber bereputasi untuk memperkuat landasan teori, state of the art, dan argumentasi penelitian.
  7. Menggunakan tools review, similarity checking, reference manager, dan AI secara etis untuk meningkatkan kualitas naskah.
  8. Melakukan self-assessment terhadap kesiapan naskah sebelum dikirim ke jurnal internasional.
  9. Memahami proses editorial dan peer review pada jurnal internasional bereputasi.
  10. Melakukan evaluasi dan optimasi naskah secara mandiri berdasarkan standar akademik dan masukan review.
Curriculum

Modul 1 — Strategi Menulis KTI di Jurnal Internasional Bereputasi

Peserta mempelajari strategi dasar dalam menulis karya tulis ilmiah untuk jurnal internasional bereputasi, termasuk standar kualitas naskah, struktur artikel, dan ekspektasi editor maupun reviewer.

Pokok bahasan:

  • Karakteristik jurnal internasional bereputasi.
  • Standar kualitas artikel ilmiah internasional.
  • Struktur umum manuskrip jurnal internasional.
  • Strategi menyesuaikan naskah dengan scope jurnal.
  • Kesalahan umum dalam penulisan artikel internasional.
  • Strategi meningkatkan peluang naskah diterima.

Modul 2 — Mindset Publikasi KTI di Jurnal Internasional Bereputasi

Peserta memahami pola pikir yang diperlukan dalam publikasi internasional, termasuk orientasi kontribusi ilmiah, kebaruan, konsistensi riset, dan kesiapan menghadapi proses review.

Pokok bahasan:

  • Mindset penulis jurnal internasional.
  • Orientasi pada novelty, rigor, dan contribution.
  • Perbedaan publikasi nasional dan internasional.
  • Membangun academic positioning.
  • Etika dan integritas dalam publikasi ilmiah.
  • Kesiapan menghadapi revisi dan reviewer comments.

Modul 3 — Novelty dan Invention dalam KTI Jurnal Internasional Bereputasi

Peserta mempelajari cara menemukan, merumuskan, dan memperkuat novelty atau kebaruan dalam artikel ilmiah agar memiliki kontribusi yang jelas terhadap pengembangan ilmu.

Pokok bahasan:

  • Konsep novelty dalam artikel ilmiah.
  • Perbedaan novelty, research gap, dan contribution.
  • Teknik mengidentifikasi gap dari literatur.
  • Menyusun argumentasi kebaruan penelitian.
  • Merumuskan theoretical contribution dan practical contribution.
  • Menampilkan novelty dalam judul, abstrak, pendahuluan, dan pembahasan.

Modul 4 — Penelusuran Ilmiah, Tools Review, Similarity, dan Pemanfaatan Artificial Intelligence dalam Penulisan KTI

Peserta mempelajari teknik penelusuran literatur ilmiah, penggunaan tools pendukung penulisan, pengecekan similarity, serta pemanfaatan Artificial Intelligence secara etis dan produktif.

Pokok bahasan:

  • Strategi pencarian literatur ilmiah bereputasi.
  • Penggunaan database ilmiah dan sumber referensi terpercaya.
  • Pengelolaan referensi dengan reference manager.
  • Penggunaan tools untuk grammar, readability, dan manuscript review.
  • Pengecekan similarity dan pencegahan plagiarisme.
  • Pemanfaatan AI untuk brainstorming, outlining, paraphrasing, proofreading, dan review naskah.
  • Batasan dan etika penggunaan AI dalam penulisan ilmiah.

Modul 5 — Self-Assessment KTI di Jurnal Internasional Bereputasi

Peserta mempelajari cara melakukan evaluasi mandiri terhadap kualitas naskah sebelum dikirimkan ke jurnal, baik dari sisi substansi, struktur, metodologi, kebaruan, maupun kesesuaian dengan jurnal target.

Pokok bahasan:

  • Checklist kesiapan manuskrip.
  • Evaluasi kualitas judul, abstrak, dan keyword.
  • Evaluasi pendahuluan, research gap, dan tujuan penelitian.
  • Evaluasi metode, hasil, pembahasan, dan kesimpulan.
  • Pemeriksaan kesesuaian dengan author guidelines.
  • Penilaian kelayakan jurnal target.
  • Final check sebelum submission.

Modul 6 — Proses Review KTI di Jurnal Internasional Bereputasi

Peserta memahami proses editorial dan peer review pada jurnal internasional, termasuk tahapan submission, editorial screening, reviewer assignment, revisi, hingga keputusan akhir.

Pokok bahasan:

  • Alur submission artikel ke jurnal internasional.
  • Desk review dan editorial screening.
  • Peer review process.
  • Jenis keputusan editor: accepted, minor revision, major revision, rejected.
  • Cara membaca reviewer comments.
  • Strategi menyusun response to reviewers.
  • Etika komunikasi dengan editor jurnal.

Modul 7 — Bimbingan Penulisan KTI

Peserta mendapatkan bimbingan dalam menyusun, memperbaiki, dan mengoptimalkan naskah KTI agar lebih siap untuk dikirimkan ke jurnal internasional bereputasi.

Pokok bahasan:

  • Review draft artikel peserta.
  • Perbaikan struktur dan alur argumentasi.
  • Penguatan novelty dan contribution statement.
  • Penyempurnaan abstrak dan pendahuluan.
  • Perbaikan pembahasan dan kesimpulan.
  • Penyelarasan naskah dengan template jurnal.
  • Penyusunan rencana tindak lanjut publikasi.
KTI Internasional
Duration
5 Hari Luring / 8 Hari Daring
Course Level
Intermediate
Delivery Mode
Offline
Online
Certification Body
BRIN
Rp. 7.150.000,-/ Offline; Rp 4.180.000,-/ Online
Brochure File
KTII Brochure.pdf
Booked Now

Karya Tulis Ilmiah Nasional

Karya Tulis Ilmiah Nasional

Pelatihan KTI Nasional membekali peserta dengan keterampilan menyusun manuskrip ilmiah sesuai kaidah penulisan, standar jurnal nasional terakreditasi, strategi publikasi, serta pemanfaatan tools referensi dan AI untuk mendukung proses penulisan ilmiah.

Target Audience

Sasaran Peserta

  1. Dosen dan akademisi yang ingin meningkatkan kualitas artikel ilmiah dan publikasi pada jurnal nasional terakreditasi.
  2. Peneliti dan tenaga riset yang ingin menyusun hasil penelitian menjadi manuskrip ilmiah yang sistematis dan siap dipublikasikan.
  3. Mahasiswa S1, S2, dan S3 yang sedang menyusun artikel ilmiah, tugas akhir, tesis, disertasi, atau publikasi akademik.
  4. Guru, widyaiswara, dan tenaga pendidik yang ingin mengembangkan karya tulis ilmiah untuk kebutuhan pengembangan profesi dan publikasi.
  5. ASN, analis kebijakan, dan praktisi institusi yang ingin menulis karya ilmiah berbasis kajian, evaluasi program, atau hasil penelitian terapan.
  6. Pengelola jurnal, editor pemula, dan tim publikasi institusi yang ingin memahami standar penulisan dan karakteristik artikel ilmiah nasional.
  7. Peserta umum yang memiliki minat dalam penulisan ilmiah dan ingin mempelajari proses penyusunan manuskrip sesuai standar akademik.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami konsep dasar, prinsip, dan kaidah penulisan karya tulis ilmiah nasional.
  2. Menentukan topik penelitian dan merumuskan masalah secara jelas, relevan, dan terarah.
  3. Menyusun struktur manuskrip ilmiah sesuai standar penulisan jurnal nasional terakreditasi.
  4. Mengembangkan kalimat efektif, logis, sistematis, dan sesuai dengan gaya bahasa akademik.
  5. Menyusun bagian utama artikel ilmiah, mulai dari pendahuluan, kajian pustaka, metode, hasil, pembahasan, hingga kesimpulan.
  6. Menggunakan aplikasi manajemen referensi untuk mengelola sitasi dan daftar pustaka secara rapi dan konsisten.
  7. Memanfaatkan kecerdasan buatan secara etis untuk mendukung pencarian ide, penyusunan kerangka, penyuntingan bahasa, dan peningkatan kualitas naskah.
  8. Menentukan strategi publikasi dan target jurnal nasional terakreditasi yang sesuai dengan bidang kajian.
  9. Mempresentasikan hasil penulisan KTI dan menerima umpan balik untuk penyempurnaan manuskrip
Curriculum

Modul 1 — Dasar-Dasar Penulisan Ilmiah

Peserta mempelajari konsep dasar karya tulis ilmiah, karakteristik penulisan akademik, prinsip objektivitas, sistematika berpikir ilmiah, serta kaidah umum dalam penyusunan artikel ilmiah.

Pokok bahasan:

  • Pengertian dan karakteristik karya tulis ilmiah.
  • Prinsip dasar penulisan ilmiah.
  • Perbedaan tulisan ilmiah, populer, dan opini.
  • Struktur umum artikel ilmiah.
  • Etika dan integritas dalam penulisan akademik.

Modul 2 — Pemilihan Topik dan Perumusan Masalah di KTI

Peserta mempelajari cara memilih topik yang relevan, menentukan fokus kajian, merumuskan masalah penelitian, serta menyusun tujuan penulisan secara jelas dan terukur.

Pokok bahasan:

  • Teknik memilih topik penelitian.
  • Identifikasi gap, isu, dan urgensi penelitian.
  • Perumusan masalah penelitian.
  • Penyusunan tujuan dan manfaat penelitian.
  • Penentuan ruang lingkup kajian.

Modul 3 — Penyusunan Kalimat Efektif

Peserta mempelajari teknik menyusun kalimat akademik yang efektif, logis, ringkas, jelas, dan sesuai dengan kaidah bahasa ilmiah.

Pokok bahasan:

  • Prinsip kalimat efektif dalam tulisan ilmiah.
  • Penggunaan bahasa akademik yang jelas dan sistematis.
  • Pengembangan paragraf yang koheren.
  • Kesalahan umum dalam penulisan ilmiah.
  • Teknik penyuntingan dan perbaikan naskah.

Modul 4 — Strategi Menulis di Jurnal Nasional Terakreditasi

Peserta mempelajari standar penulisan artikel untuk jurnal nasional terakreditasi, strategi menyesuaikan manuskrip dengan author guidelines, serta teknik meningkatkan peluang penerimaan artikel.

Pokok bahasan:

  • Karakteristik jurnal nasional terakreditasi.
  • Struktur artikel sesuai standar jurnal.
  • Penyusunan pendahuluan, metode, hasil, pembahasan, dan kesimpulan.
  • Penyesuaian naskah dengan template jurnal.
  • Strategi memilih jurnal target.
  • Kesalahan yang sering menyebabkan artikel ditolak.

Modul 5 — Bimbingan Penulisan KTI dan Seminar Hasil

Peserta mendapatkan bimbingan dalam menyusun atau memperbaiki draft karya tulis ilmiah, kemudian mempresentasikan hasil penulisan untuk memperoleh masukan dari instruktur dan peserta lain.

Pokok bahasan:

  • Penyusunan draft artikel ilmiah.
  • Review struktur dan substansi naskah.
  • Pemeriksaan kesesuaian dengan kaidah penulisan.
  • Presentasi hasil penulisan.
  • Umpan balik dan revisi naskah.
  • Finalisasi manuskrip awal.

Modul 6 — Aplikasi Manajemen Referensi dan Kecerdasan Buatan dalam Penulisan Ilmiah

Peserta mempelajari penggunaan aplikasi manajemen referensi dan pemanfaatan AI tools secara etis untuk mendukung proses penulisan, penyuntingan, pencarian literatur, dan penguatan struktur naskah.

Pokok bahasan:

  • Pengenalan aplikasi manajemen referensi.
  • Pengelolaan sitasi dan daftar pustaka.
  • Penggunaan reference manager dalam penulisan ilmiah.
  • Pemanfaatan AI untuk brainstorming, outlining, editing, dan proofreading.
  • Batasan dan etika penggunaan AI dalam penulisan akademik.
  • Validasi sumber dan pencegahan plagiarisme.
KTI Nasional
Duration
5 Hari Luring / 8 Hari Daring
Course Level
Intermediate
Delivery Mode
Offline
Online
Hybrid
Certification Body
BRIN
Rp. 7.150.000,-/ Offline; Rp 4.180.000,-/ Online
Booked Now

Karya Tulis Ilmiah Populer

Karya Tulis Ilmiah Populer

Pelatihan Karya Tulis Ilmiah Populer membekali peserta dengan kemampuan memahami konsep KTI populer, menyusun tulisan ilmiah yang komunikatif, mempresentasikan hasil tulisan, serta merancang strategi publikasi di media massa secara efektif dan etis.

Target Audience
  1. Dosen, guru, widyaiswara, dan tenaga pendidik yang ingin mengembangkan kemampuan menulis artikel ilmiah populer untuk media massa atau media digital.
  2. Peneliti, analis kebijakan, dan ASN yang ingin menyampaikan hasil kajian, penelitian, atau gagasan kebijakan dalam bahasa yang lebih komunikatif dan aplikatif.
  3. Mahasiswa, akademisi, dan praktisi yang ingin meningkatkan keterampilan menulis karya ilmiah populer secara sistematis dan menarik.
  4. Pegawai pemerintah, lembaga riset, dan institusi pendidikan yang memiliki kebutuhan publikasi, diseminasi pengetahuan, atau penyebaran informasi berbasis kajian ilmiah.
  5. Content writer, humas, dan pengelola publikasi institusi yang ingin menghasilkan tulisan berbasis data, riset, dan argumentasi ilmiah untuk kebutuhan komunikasi publik.
  6. Masyarakat umum yang memiliki minat menulis dan ingin belajar mengubah ide, pengalaman, atau hasil pemikiran menjadi tulisan populer yang layak dipublikasikan.
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami karakteristik, tujuan, dan ruang lingkup Karya Tulis Ilmiah Populer.
  2. Menjelaskan perbedaan antara karya tulis ilmiah akademik dan karya tulis ilmiah populer.
  3. Memahami struktur, tahapan, dan sistematika penulisan KTI Populer.
  4. Mengembangkan ide, topik, dan sudut pandang tulisan yang relevan, menarik, dan berbasis data atau referensi ilmiah.
  5. Menyusun KTI Populer dengan bahasa yang komunikatif, sistematis, dan mudah dipahami oleh pembaca umum.
  6. Mempresentasikan hasil penulisan KTI Populer secara efektif.
  7. Menyusun strategi publikasi KTI Populer di media massa atau kanal publikasi digital.
  8. Menerapkan nilai, etika, orisinalitas, dan tanggung jawab akademik dalam proses penulisan dan publikasi.
Curriculum

Modul 1 — Ceramah Pakar: Urgensi Karya Tulis Ilmiah Populer

Peserta mendapatkan pengantar dari narasumber/pakar mengenai pentingnya Karya Tulis Ilmiah Populer sebagai sarana diseminasi pengetahuan, gagasan, hasil penelitian, dan pemikiran ilmiah kepada masyarakat luas.

Pokok bahasan:

  • Peran KTI Populer dalam penyebaran ilmu pengetahuan.
  • Manfaat KTI Populer bagi akademisi, peneliti, praktisi, dan institusi.
  • Peluang publikasi KTI Populer di media massa dan media digital.
  • Contoh praktik baik penulisan KTI Populer.

Modul 2 — Konsep Dasar Karya Tulis Ilmiah Populer

Peserta mempelajari konsep dasar KTI Populer, karakteristik utama, serta perbedaannya dengan artikel ilmiah akademik, opini, esai, dan tulisan populer lainnya.

Pokok bahasan:

  • Definisi Karya Tulis Ilmiah Populer.
  • Karakteristik dan prinsip KTI Populer.
  • Perbedaan KTI ilmiah akademik dan KTI populer.
  • Unsur ilmiah dan unsur populer dalam sebuah tulisan.
  • Target pembaca dan gaya komunikasi.

Modul 3 — Tahapan dan Sistematika Penulisan KTI Populer

Peserta mempelajari tahapan penyusunan KTI Populer mulai dari pemilihan topik, pengembangan gagasan, penyusunan kerangka, hingga penulisan naskah secara sistematis.

Pokok bahasan:

  • Menentukan tema, topik, dan sudut pandang tulisan.
  • Mengembangkan ide berbasis data, fakta, pengalaman, atau hasil penelitian.
  • Menyusun kerangka tulisan.
  • Struktur KTI Populer: judul, pembuka, isi, argumentasi, dan penutup.
  • Teknik membuat judul dan lead yang menarik.
  • Penggunaan bahasa yang jelas, ringkas, dan komunikatif.

Modul 4 — Bimbingan Penulisan KTI Populer dan Seminar Hasil

Peserta mendapatkan bimbingan dalam menyusun draft KTI Populer, melakukan revisi, serta mempresentasikan hasil tulisan untuk memperoleh masukan dari instruktur dan peserta lainnya.

Pokok bahasan:

  • Praktik penyusunan draft KTI Populer.
  • Review struktur dan alur tulisan.
  • Teknik memperkuat argumentasi dan narasi.
  • Penyuntingan bahasa dan penyederhanaan istilah ilmiah.
  • Presentasi hasil tulisan.
  • Umpan balik dan perbaikan naskah.

Modul 5 — Strategi Penulisan KTI Populer di Media Massa

Peserta mempelajari strategi agar tulisan memiliki daya tarik publikasi, sesuai dengan karakter media, kebutuhan pembaca, dan standar redaksional media massa.

Pokok bahasan:

  • Memahami karakteristik media massa dan media digital.
  • Menyesuaikan tulisan dengan target media.
  • Strategi memilih isu aktual dan relevan.
  • Teknik membuat tulisan yang argumentatif dan menarik.
  • Cara mengirimkan naskah ke media.
  • Strategi membangun portofolio publikasi.

Modul 6 — Nilai dan Etika Penulisan

Peserta mempelajari nilai, etika, dan tanggung jawab dalam penulisan KTI Populer, termasuk aspek orisinalitas, sitasi, anti-plagiarisme, objektivitas, dan etika publikasi.

Pokok bahasan:

  • Etika penulisan ilmiah populer.
  • Orisinalitas dan integritas akademik.
  • Penggunaan referensi dan sumber data.
  • Menghindari plagiarisme dan manipulasi informasi.
  • Objektivitas, akurasi, dan tanggung jawab penulis.
  • Etika publikasi di media massa dan platform digital.
KTI Populer
Duration
5 Hari Luring / 8 Hari Daring
Course Level
Intermediate
Delivery Mode
Offline
Online
Hybrid
Certification Body
BRIN
Rp. 7.150.000,-/ Offline; Rp 4.180.000,-/ Online
Brochure File
KTIP Brochure.pdf
Booked Now

Audit Infrastruktur dan Aplikasi Sistem Pemerintahan Berbasis Elektronik (AIA SPBE)

Audit Infrastruktur dan Aplikasi Sistem Pemerintahan Berbasis Elektronik (AIA SPBE)

Tingkatkan kompetensi audit SPBE melalui pelatihan komprehensif berbasis praktik. Peserta akan mempelajari audit infrastruktur dan aplikasi SPBE, penggunaan audit tools, analisis hasil audit, hingga penyusunan laporan rekomendasi sesuai kerangka regulasi dan kriteria SPBE.

Target Audience
  • Aparatur Sipil Negara
  • Auditor SPBE 
  • Pengelola TIK
  • Tim transformasi digital 
  • Konsultan IT pemerintah
  • Lembaga Audit TIK
Learning Outcomes

Setelah mengikuti pelatihan ini, peserta diharapkan mampu:

  1. Memahami kerangka regulasi, dokumen, dan kriteria pelaksanaan Audit Infrastruktur dan Aplikasi SPBE.
  2. Menjelaskan ruang lingkup audit aplikasi dan audit infrastruktur dalam implementasi Sistem Pemerintahan Berbasis Elektronik.
  3. Menggunakan audit tools untuk melakukan penilaian terhadap aplikasi dan infrastruktur SPBE secara terstruktur.
  4. Melakukan praktik audit aplikasi berdasarkan kriteria penilaian yang berlaku.
  5. Melakukan praktik audit infrastruktur SPBE, termasuk aspek pusat data, Jaringan Intra Pemerintah, dan Sistem Penghubung Layanan Pemerintah.
  6. Menganalisis hasil audit untuk mengidentifikasi temuan, risiko, ketidaksesuaian, dan peluang perbaikan.
  7. Menyusun rekomendasi audit yang objektif, terukur, dan dapat ditindaklanjuti.
  8. Menyusun laporan pelaksanaan audit internal yang memuat temuan, rekomendasi, dan tindak lanjut perbaikan.
Curriculum

Modul 1 — Pengantar Audit Infrastruktur dan Aplikasi SPBE

  • Konsep dasar Sistem Pemerintahan Berbasis Elektronik.
  • Tujuan dan manfaat Audit SPBE.
  • Ruang lingkup Audit Infrastruktur dan Aplikasi SPBE.
  • Peran auditor, auditee, dan pemangku kepentingan terkait.

Modul 2 — Dokumen dan Kerangka Regulasi Audit SPBE

  • Dokumen SPBE untuk pelaksanaan audit.
  • Kerangka regulasi Audit SPBE.
  • Keterkaitan arsitektur SPBE dengan proses audit.
  • Prinsip kepatuhan dan kesesuaian terhadap kriteria SPBE.

Modul 3 — Kriteria Penilaian Audit Aplikasi SPBE

  • Kriteria penilaian Audit Aplikasi SPBE.
  • Komponen aplikasi yang diaudit.
  • Penilaian aplikasi berdasarkan audit tools.
  • Relasi antara auditee dan auditor dalam audit aplikasi.

Modul 4 — Praktik Audit Aplikasi Menggunakan Audit Tools

  • Simulasi penggunaan audit tools.
  • Praktik pengisian instrumen audit aplikasi.
  • Identifikasi temuan audit aplikasi.
  • Penyusunan hasil penilaian audit aplikasi.

Modul 5 — Kriteria Penilaian Audit Infrastruktur SPBE

  • Kriteria penilaian Audit Infrastruktur SPBE.
  • Audit pusat data.
  • Audit Jaringan Intra Pemerintah.
  • Audit Sistem Penghubung Layanan Pemerintah.
  • Relasi antara auditee dan auditor dalam audit infrastruktur.

Modul 6 — Praktik Audit Infrastruktur Menggunakan Audit Tools

  • Praktik penggunaan audit tools untuk audit infrastruktur.
  • Penilaian aspek pusat data, jaringan, dan integrasi layanan.
  • Identifikasi temuan audit infrastruktur.
  • Dokumentasi hasil audit infrastruktur.

Modul 7 — Analisis Hasil Audit dan Penyusunan Rekomendasi

  • Analisis hasil audit aplikasi dan infrastruktur.
  • Klasifikasi temuan audit.
  • Penyusunan rekomendasi perbaikan.
  • Prioritas tindak lanjut hasil audit.

Modul 8 — Penyusunan Laporan Pelaksanaan Audit

  • Struktur laporan pelaksanaan audit.
  • Penyusunan temuan audit.
  • Penyusunan rekomendasi dan tindak lanjut.
  • Penyajian laporan audit internal aplikasi dan infrastruktur SPBE.
AIA SPBE Rekhatama
Duration
3 Hari
Course Level
Intermediate
Delivery Mode
Online
Offline
Certification Body
BRIN
Rp. 6.900.000,-/ Offline; Rp 2.900.000,-/ Online
Brochure File
AIA SPBE Brocure.pdf
Booked Now
Subscribe to Offline