Praktik Nyata End-to-End di PSD
Apa & untuk apa
Halaman ini adalah peta jalan praktik — cara belajar PSD bukan fitur per fitur, melainkan lewat satu proyek nyata utuh yang merangkai hampir semua tools platform. Alih-alih membaca dokumentasi satu per satu, Anda mengikuti sebuah studi kasus dari data mentah sampai keputusan bisnis, sambil menyentuh: Ruang Panen Data, Data Sintesis, SatuDanau (danau data / data lakehouse), Pabrik Data (ETL), Ruang Kueri (data warehouse SQL), Notebook & Model (data science), Ruang Model Semantik & Ruang Analitik (business intelligence).
Anggap PSD sebagai satu bengkel data terpadu: data masuk dari satu pintu, mengalir melewati beberapa ruang pengolahan, dan keluar sebagai aset yang bisa dibagikan, dianalisis, dan dipresentasikan. Artikel ini menunjukkan urutan ruangan yang perlu Anda lewati dan mengapa.
Cara kerja: alur data end-to-end
Seluruh tools PSD sebenarnya membentuk satu rantai data yang saling menyambung. Berikut peta besarnya, dari kiri (data masuk) ke kanan (nilai keluar):
SUMBER DATA DATA ENGINEERING DATA SCIENCE / BI
─────────── ──────────────── ─────────────────
Ruang Panen Data ┐
Data Sintesis ├──▶ SatuDanau (bronze) ──▶ Pabrik Data ──▶ SatuDanau (silver/gold)
Unggah manual ┘ (ETL/pipeline) │
├─▶ Ruang Kueri (SQL warehouse)
├─▶ Notebook / Model (data science)
└─▶ Ruang Model Semantik ─▶ Ruang Analitik (BI dashboard)Tiga tahap besar:
| Tahap | Ruang PSD yang dipakai | Hasil |
|---|---|---|
| 1. Kumpulkan data | Ruang Panen Data, Data Sintesis, unggah manual | Data mentah masuk ke SatuDanau (lapisan bronze) |
| 2. Data engineering | SatuDanau (medallion), Pabrik Data, Ruang Kueri | Tabel bersih & siap analitik (silver → gold) |
| 3. Analisis & keputusan | Notebook, Model, Ruang Model Semantik, Ruang Analitik | Insight, model ML, dashboard BI |
Konsep kunci — Data Lakehouse: SatuDanau menggabungkan fleksibilitas data lake (menyimpan apa saja: berkas mentah, CSV, gambar) dengan keteraturan data warehouse (tabel terstruktur yang bisa dikueri SQL). Inilah yang disebut data lakehouse. Lapisan medallion (bronze → silver → gold) adalah cara menata perjalanan data dari mentah hingga siap pakai.
Kapan dipakai
Cocok untuk:
- Pemula yang ingin gambaran utuh sebelum mendalami fitur satu per satu.
- Mahasiswa/peserta course yang perlu proyek portofolio menyentuh banyak keterampilan.
- Instruktur yang menyusun materi praktikum berbasis proyek nyata.
- Siapa pun yang bertanya "data saya sudah masuk, lalu diapakan?".
Kurang tepat bila:
- Anda hanya butuh satu fitur spesifik — baca langsung artikel fitur itu.
- Anda mencari referensi API/teknis mendalam — itu ada di dokumentasi masing-masing ruang.
Langkah demi langkah: peta tutorial
Studi kasus yang dipakai di semua tutorial: "Analisis Penjualan UMKM Kuliner Lampung" — sebuah skenario realistis yang membawa Anda dari data mentah sampai dashboard keputusan.
Jalur 1 — Data Engineering (fondasi)
Tutorial: Data engineering end-to-end
Anda akan: memanen data dari sumber eksternal → menampungnya di SatuDanau (bronze) → membangun pipeline pembersihan di Pabrik Data → menghasilkan tabel gold → memverifikasinya di Ruang Kueri.
Ruang yang disentuh: Ruang Panen Data · Data Sintesis · SatuDanau · Pabrik Data · Ruang Kueri.
Jalur 2 — Data Science (dari data ke model)
Tutorial: Data science end-to-end
Anda akan: membuka tabel gold di Notebook → eksplorasi & feature engineering → melatih model → menyimpannya sebagai aset Model → mendaftarkannya ke Registry Model untuk dilacak.
Ruang yang disentuh: Notebook · Studio Python · Model · Registry Model.
Jalur 3 — Data Analysis & Business Intelligence
Tutorial: Analisis data & BI end-to-end
Anda akan: analisis SQL eksploratif di Ruang Kueri → membangun measure bisnis (measure gaya DAX) di Ruang Model Semantik → menyusun dashboard di Ruang Analitik untuk pengambilan keputusan.
Ruang yang disentuh: Ruang Kueri · Ruang Model Semantik · Ruang Analitik.
Urutan yang disarankan
- Mulai dari Jalur 1 — tanpa data bersih, tak ada yang bisa dianalisis. Ini fondasinya.
- Lanjut ke Jalur 3 atau Jalur 2 sesuai tujuan:
- Ingin melaporkan & mengambil keputusan → Jalur 3 (BI).
- Ingin memprediksi / membuat model → Jalur 2 (Data Science).
- Kembali & ulangi dengan dataset Anda sendiri untuk mengunci pemahaman.
Peta fitur ke istilah industri
Bila Anda datang dari kursus/pengalaman lain, ini padanannya di PSD:
| Istilah umum | Fitur PSD |
|---|---|
| Data lake / data lakehouse | SatuDanau (di dalam aset Dataset) |
| Data warehouse | Ruang Kueri (SQL federasi, ditenagai Trino) |
| ETL / data pipeline | Pabrik Data (kanvas visual, DuckDB/Spark) |
| Web scraping / ekstraksi API | Ruang Panen Data |
| Synthetic data generation | Data Sintesis |
| Notebook / IDE analisis | Notebook & Studio Python |
| Model registry / MLOps | Registry Model |
| Semantic layer / metrics layer | Ruang Model Semantik (measure → Cube) |
| BI dashboard (mis. Superset/Power BI) | Ruang Analitik |
| Data catalog / governance | Ruang Metadata & Pustaka Metadata |
Masalah umum & solusi
| Gejala | Penyebab umum | Solusi |
|---|---|---|
| Bingung mulai dari mana | Belum ada data | Mulai Jalur 1: panen atau buat Data Sintesis dulu |
| Tabel tak muncul di Ruang Kueri | Data masih bronze/silver | Olah hingga gold di Pabrik Data |
| Notebook tak bisa baca data | Salah path danau | Gunakan skema psd:// sesuai artikel Notebook |
| Dashboard kosong | Belum ada tabel gold / measure | Selesaikan Jalur 1 & buat measure di Ruang Model Semantik |
| Terlalu banyak fitur, kewalahan | Belajar acak | Ikuti urutan jalur di atas — satu proyek utuh |
Fitur terkait
- Belajar (
/learn) — course terstruktur bila ingin materi bertahap dengan quiz & progres. - Dataset — rumah SatuDanau, fondasi seluruh alur data.
- Pabrik Data — mesin ETL yang mengubah data mentah jadi gold.
- Ruang Kueri — data warehouse SQL untuk analitik lintas tabel gold.
- Ruang Analitik — dashboard BI di ujung alur.
- Ruang Ide — bila ingin mengubah praktik ini menjadi proyek kolaboratif tim.