Myjor myjor.site
ID EN
Beranda/ Prodi/ Sains Data
MIPA (Matematika dan Ilmu Pengetahuan Alam)

Sains Data

Program studi yang menggabungkan matematika, statistika, pemrograman, dan komputasi untuk mengolah data menjadi analisis serta keputusan yang dapat dipertanggungjawabkan.

Bandingkan prodi
Jenjang S1 · 4 tahun
Permintaan pasar Tinggi, terus meningkat
Gaji menengah Rp 8–15 jt /bln
01

Big Picture

DATA

Memahami seluruh siklus data: merumuskan masalah, mengumpulkan dan membersihkan data, menganalisis pola, membangun model, lalu menyampaikan hasilnya untuk keputusan nyata.

Mata kuliah inti

  • ›Statistika dan Probabilitas
  • ›Pemrograman Python
  • ›Basis Data
  • ›Data Mining
  • ›Pembelajaran Mesin
  • ›Big Data
  • ›Kecerdasan Buatan
SIAPA YANG COCOK

Kamu cocok jika suka matematika, logika, pemrograman, dan mencari pola dari data; kamu juga perlu nyaman menjelaskan hasil analisis kepada orang nonteknis.

Jenjang pendidikan

apa bedanya dengan jenjang lain?
D4
Sains Data Terapan berdurasi sarjana terapan dan biasanya lebih kuat pada praktik, proyek, serta kesiapan kerja; S1 memberi ruang lebih besar untuk fondasi teori, analisis, dan jalur riset.
S2
Magister memperdalam teori, metode, dan riset sains data setelah S1 atau D4. Durasi umumnya lebih singkat daripada S1, dengan luaran berupa keahlian spesialis atau tesis, bukan fondasi sarjana.

Sering tertukar dengan…

apa bedanya?
vsStatistika
Statistika lebih menekankan teori, metode inferensi, dan pemodelan statistik; Sains Data biasanya menggabungkannya dengan pemrograman, rekayasa data, dan sistem komputasi.
vsInformatika
Informatika mencakup komputasi dan pengembangan perangkat lunak secara luas; Sains Data lebih terarah pada pengolahan, analisis, dan pemodelan data.
vsSistem Informasi
Sistem Informasi berfokus pada kebutuhan bisnis, proses organisasi, dan penerapan sistem; Sains Data berfokus pada insight serta prediksi berbasis data.
vsMatematika
Matematika lebih mendalam pada struktur dan penalaran matematis; Sains Data menerapkan matematika dan statistika pada data dengan bantuan komputasi.

Mitos vs Fakta

MITOS Sains Data hanya belajar memakai aplikasi analisis.
FAKTA Kamu tetap belajar matematika, statistika, pemrograman, basis data, dan evaluasi model.
MITOS Lulusan pasti langsung menjadi Data Scientist.
FAKTA Lulusan juga dapat memulai dari peran Data Analyst, Business Intelligence Analyst, atau Data Engineer junior.
MITOS Tidak perlu kemampuan komunikasi.
FAKTA Hasil model perlu dijelaskan dengan konteks, batasan, dan dampak keputusan.
MITOS Semua data bisa langsung dipakai untuk model.
FAKTA Data sering perlu dibersihkan, divalidasi, dilindungi, dan diperiksa biasnya.
02

Toolkit & Persiapan

GUIDE

Hardware & software pribadi yang perlu kamu siapkan sebelum kuliah — kebutuhannya berbeda tiap prodi. Alat berat & mahal biasanya sudah disediakan kampus.

SPEK LAPTOP MINIMUM

Laptop minimal CPU 4-core modern, RAM 16 GB, SSD 512 GB, dan koneksi internet stabil. GPU dedicated tidak wajib untuk tahap awal; gunakan cloud saat eksperimen model besar.

PERKIRAAN BUDGET AWAL
Rp 8–15 jt

Sekali beli, bisa dipakai sepanjang kuliah.

Laptop RAM 16 GB dan SSD 512 GB
Pilih RAM yang bisa ditambah jika memungkinkan.
Wajib
Python dan JupyterLab
Wajib
Git dan GitHub
Wajib
SQL database lokal
Wajib
Layanan cloud notebook
Berguna saat komputasi lokal terbatas.
Opsional
GPU dedicated
Tidak perlu untuk semua tugas kuliah.
Opsional
03

Facility Checklist

GUIDE

Pertanyaan khusus Sains Data untuk dibawa saat open house atau survei kampus. Fasilitas penting di tiap jurusan berbeda — ini yang paling menentukan.

Catatan: Myjor tidak menyimpan database fasilitas tiap kampus. Ini alat untuk kamu menilai sendiri.

Apakah tersedia laboratorium komputasi dengan perangkat yang cukup untuk praktikum seluruh kelas?
Apakah mahasiswa mendapat akses server, cloud, atau lingkungan komputasi untuk data berukuran besar?
Apakah tersedia perangkat lunak analisis data dan pembelajaran mesin yang legal serta diperbarui?
Apakah kampus menyediakan dataset nyata atau akses ke sumber data untuk proyek?
Bagaimana dukungan teknis saat praktikum pemrograman, basis data, dan machine learning?
Apakah fasilitas riset dapat dipakai mahasiswa untuk tugas akhir?

Tips: minta tur ke lab/studio yang relevan, bukan hanya gedung utama. Tanya jam akses & apakah alat boleh dipakai mahasiswa S1.

04

Academic Quality

GUIDE

Tiga hal objektif untuk menilai kualitas akademik sebuah prodi — lengkap dengan cara mengeceknya sendiri.

A

Status akreditasi prodi

Cek peringkat akreditasi prodi (bukan hanya kampusnya) di laman resmi. Akreditasi internasional jadi nilai tambah untuk jurusan tertentu.

Unggul / A — terbaik Baik Sekali / B Baik / C

Cek di: BAN-PT (banpt.or.id) atau LAM sesuai rumpun, & PDDIKTI (pddikti.kemdikbud.go.id).

B

Rasio dosen–mahasiswa & cara hitungnya

rasio = jumlah mahasiswa aktif ÷ jumlah dosen tetap
Contoh: 600 mahasiswa ÷ 25 dosen = 1 : 24
✓Ideal: ±1:20 untuk rumpun eksakta/sains-teknik, ±1:30 untuk sosial/humaniora (acuan Kemdikbud).
!Makin kecil angka kedua, makin banyak perhatian per mahasiswa. Di atas 1:40 patut diwaspadai.
!Cek juga kualifikasi dosen (S2/S3) & ada tidaknya dosen praktisi dari industri.
C

Riset dosen — apakah relevan & terkini?

Lihat profil dosen & publikasinya (Google Scholar / SINTA). Untuk Sains Data, cari yang meneliti topik yang sedang relevan:

Pemodelan prediktif dan pembelajaran mesinData mining untuk data bisnis atau publikAnalisis data deret waktuPemrosesan bahasa alamiKecerdasan buatan dan evaluasi modelBig data dan sistem pemrosesan terdistribusiVisualisasi data dan komunikasi insightEtika, privasi, dan bias algoritmik

Mis. apakah ada dosen yang riset soal AI, atau riset terkait kanker? Topik aktif menandakan prodi mengikuti perkembangan bidang.

TANYAKAN SAAT OPEN HOUSE

“Berapa rasio dosen–mahasiswa prodi ini? Apa topik riset dosen yang sedang berjalan? Berapa persen lulusan bekerja sesuai bidang dalam 6 bulan?”

05

Kerjasama & Mitra

GUIDE

Kerja sama kampus sangat menentukan jalur magang, riset, & karier. Jenis mitra yang penting berbeda tiap jurusan — ini yang relevan untuk Sains Data.

bootcamp & sertifikasi
Tanyakan akses atau kolaborasi dengan AWS Academy, Cisco NetAcad, Microsoft, Tableau, Dicoding, atau penyedia sertifikasi data lain.
magang industri
Tanyakan jalur magang nyata di startup, perusahaan teknologi, perbankan, konsultansi, atau korporasi serta jumlah mahasiswa yang tersalurkan per tahun.
riset bersama industri
Tanyakan proyek riset, dataset, hibah, atau paper bersama perusahaan dan institusi pengguna data.
komunitas dan akademi internasional
Tanyakan dukungan untuk komunitas data, kompetisi analitik, program pertukaran, atau proyek open-source.
daftar MoU aktif
Minta daftar MoU aktif dan bukti kegiatan berjalan; jangan hanya menilai logo di brosur.

Minta daftar mitra resmi & MoU yang masih aktif — bukan sekadar logo di brosur. Tanya berapa mahasiswa yang benar-benar tersalurkan tiap tahun.

06

Career & Salary

DATA
Awal
0–2 tahun
Rp 4–8 jt
per bulan
Menengah
3–6 tahun
Rp 8–15 jt
per bulan
Senior
7+ tahun
Rp 15–30 jt
per bulan
Jalur karierKisaran gaji /bln
Data Analyst Rp 4–12 jt
Business Intelligence Analyst Rp 5–15 jt
Data Scientist Rp 8–25 jt
Machine Learning Engineer Rp 8–25 jt
Data Engineer Rp 7–25 jt
Product Analyst Rp 5–18 jt
Risk Analyst Rp 5–18 jt

Sumber: survei gaji industri Myjor 2024 (n=4.200), BPS, dan portal lowongan. Angka median, dipengaruhi kota, perusahaan, dan pengalaman.

Sumber & Referensi

Data karier & gaji di atas ditelusuri ke sumbernya. Klik untuk buka/tutup daftar sumber.

06 · Career & Salary (5 sumber)
https://id.indeed.com/career/data-scientist/salaries 2026-07-27 · job-portal salary aggregate
https://id.indeed.com/career/data-analyst/salaries 2026-07-27 · job-portal salary aggregate
https://glints.com/id/lowongan/gaji-data-scientist/ 2026-07-27 · job-portal salary article