Investment Data Analytics

Home / Programs / Investment Data Analytics

06 Program Micro-Credential

Investment Data Analytics

Mengolah data pasar modal menjadi keputusan investasi: mengumpulkan dan membersihkan data efek, menganalisis risiko dan return, membangun model prediktif, hingga menyajikan temuan dalam dashboard dan laporan riset.

Python & JupyterSpreadsheetDashboardBacktesting
Beban Belajar40 JP · 8 Modul
BidangKeuangan & Data Science
MetodeDaring / Hybrid
LuaranLaporan Riset & Dashboard
KESETARAAN AKADEMIK & KUALIFIKASI

Pengakuan Akademik dan Jenjang Kualifikasi

Program ini menggabungkan kompetensi analisis efek di pasar modal dengan kompetensi data science, sehingga dapat diakui program studi mitra dan relevan bagi kebutuhan industri.

Beban Belajar 40 JP ≈ 0,67 SKS 40 JP × 45 menit = 30 jam belajar. Sesuai Permendikbudristek No. 53 Tahun 2023, 1 SKS setara 45 jam per semester. Dapat digabung dengan program lain untuk pengakuan 1 SKS atau lebih.
Jenjang Kualifikasi Setara KKNI Jenjang 6 Capaian pembelajaran disusun untuk mahasiswa S1. Unit kompetensi merujuk SKKNI Bidang Pasar Modal dan SKKNI Data Science.
Mata Kuliah Setara Dapat dipetakan ke:
  • Analitika Keuangan / Financial Analytics
  • Analisis Investasi
  • Data Science untuk Bisnis
CAPAIAN PEMBELAJARAN

CPL dan CPMK

Capaian Pembelajaran Lulusan (CPL) yang didukung, dan Capaian Pembelajaran Mata Kuliah (CPMK) yang diukur dalam program. Rumusan dapat disesuaikan dengan kurikulum program studi mitra.

CPL-1Mampu menerapkan pemikiran logis, kritis, dan sistematis dalam mengolah serta menganalisis data keuangan untuk mendukung keputusan investasi.
CPL-2Mampu memanfaatkan teknologi informasi, perangkat analitik, dan metode statistik untuk menghasilkan informasi investasi yang akurat dan dapat dipertanggungjawabkan.
CPL-3Mampu mengomunikasikan hasil analisis data secara profesional melalui laporan riset dan visualisasi.
CPMK-1Mampu mengumpulkan data efek, fundamental, dan makroekonomi dari sumber yang kredibel. C3
CPMK-2Mampu menelaah, memvalidasi, membersihkan, dan mengonstruksi data keuangan menjadi dataset analisis. C4
CPMK-3Mampu menganalisis kondisi perusahaan serta mengukur return dan risiko investasi secara kuantitatif. C4
CPMK-4Mampu membangun dan mengevaluasi model prediktif serta melakukan backtesting strategi investasi. C5
CPMK-5Mampu merancang dashboard untuk memonitor kinerja dan risiko investasi. C6
CPMK-6Mampu menyusun laporan riset investasi berbasis data dan mempresentasikan rekomendasi. C5
PEMETAAN SKKNI

Unit Kompetensi SKKNI yang Dirujuk

Materi dan asesmen dipetakan ke unit kompetensi SKKNI Bidang Pasar Modal dan SKKNI Data Science.

Kode UnitJudul Unit KompetensiModulCPMK
K.66BPM00.037.1Mengumpulkan Data dan Informasi yang Diperlukan dalam Analisis EfekM1CPMK-1
J.62DMI00.004.1Mengumpulkan DataM1CPMK-1
J.62DMI00.005.1Menelaah DataM2CPMK-2
J.62DMI00.006.1Memvalidasi DataM2CPMK-2
J.62DMI00.008.1Membersihkan DataM2CPMK-2
J.62DMI00.009.1Mengkonstruksi DataM3CPMK-2
K.66BPM00.040.1Menganalisis Kondisi PerusahaanM3CPMK-3
K.66BPM00.026.1Melakukan Analisis Peluang dan Risiko InvestasiM4, M5CPMK-3
K.66BPM00.042.1Melakukan Pemodelan KeuanganM6CPMK-4
J.62DMI00.013.1Membangun ModelM6CPMK-4
J.62DMI00.014.1Mengevaluasi Hasil PemodelanM6CPMK-4
K.66BPM00.030.1Melakukan Monitoring Kinerja PortofolioM7CPMK-5
K.66BPM00.044.1Mengelola Laporan RisetM8CPMK-6

Sumber: SKKNI Kategori Aktivitas Keuangan dan Asuransi Bidang Pasar Modal (Keputusan Menteri Ketenagakerjaan No. 20 Tahun 2024) dan SKKNI Bidang Artificial Intelligence Subbidang Data Science (Keputusan Menteri Ketenagakerjaan No. 299 Tahun 2020).

SILABUS

Rencana Pembelajaran 40 JP

Delapan modul, masing-masing 5 JP, berisi materi, praktik dengan data pasar nyata, dan tugas. Setiap modul tersedia di LMS ID Scholar.

ModulTopikAktivitas & LuaranJP
M1Data Pasar Modal & Lingkungan Analitik
Sumber data efek (harga, laporan keuangan, indeks, makro), Python/Jupyter dan spreadsheet
Dataset harga dan fundamental emiten yang terstruktur
M2Data Wrangling untuk Data Keuangan
Penelaahan, validasi, dan pembersihan data: missing value, corporate action, penyesuaian harga
Dataset bersih dan terdokumentasi
M3Feature Engineering & Rasio Keuangan
Konstruksi variabel: return, rasio fundamental, indikator teknikal, data panel
Tabel fitur analisis per emiten
M4Statistik Deskriptif & Exploratory Data Analysis
Distribusi return, korelasi antaraset, analisis sektor, visualisasi eksploratif
Laporan EDA dengan visualisasi
M5Analitik Risiko Investasi
Volatilitas, beta, drawdown, Value at Risk, uji ketahanan sederhana
Notebook profil risiko-return
M6Model Prediktif & Backtesting
Regresi, time series, klasifikasi sederhana; evaluasi model dan backtesting strategi
Model prediktif beserta evaluasi kinerjanya
M7Dashboard Monitoring Investasi
Visualisasi kinerja, benchmark, dan risiko dalam dashboard interaktif
Dashboard monitoring portofolio/emiten
M8Proyek Akhir & Laporan Riset
Penyusunan laporan riset berbasis data dan presentasi temuan
Investment Data Analytics Report
Total beban belajar
ASESMEN & KELULUSAN

Metode Penilaian

Penilaian berbasis kinerja: peserta menunjukkan kompetensi melalui praktik pengolahan data, analisis, pemodelan, dan proyek akhir.

Kuis per modul 15%

Praktik pengolahan data & EDA (M1–M4) 20%

Analitik risiko, model prediktif & dashboard (M5–M7) 25%

Proyek akhir & presentasi 40%

Syarat Memperoleh Sertifikat

  • 1Menyelesaikan seluruh 8 modul di LMS (minimal 80% aktivitas).
  • 2Nilai akhir minimal 70 dari skala 100.
  • 3Mengumpulkan dan mempresentasikan proyek akhir.
  • 4Memenuhi seluruh CPMK pada level kompeten.
PROYEK AKHIR

Investment Data Analytics Report

Peserta menyusun laporan riset berbasis data atas sekelompok efek pilihan menggunakan data pasar nyata.

  • Dataset bersih dan dokumentasi pengolahan data
  • Analisis eksploratif, fundamental, dan profil risiko
  • Model prediktif atau backtesting strategi beserta evaluasinya
  • Dashboard monitoring dan rekomendasi investasi
SERTIFIKAT DIGITAL

Kredensial yang Dapat Diverifikasi

Peserta yang lulus memperoleh sertifikat micro-credential digital dari ID Scholar.

  • Mencantumkan 40 JP, CPMK, dan unit kompetensi yang dicapai
  • Dilengkapi QR code untuk verifikasi keaslian
  • Dapat diverifikasi melalui menu Verifikasi Sertifikat di situs ID Scholar Academy
Catatan: Program ini adalah pelatihan berbasis kompetensi yang mengacu pada SKKNI. Sertifikat micro-credential ID Scholar bukan sertifikat kompetensi BNSP dan bukan izin profesi pasar modal. Sertifikasi profesi pasar modal diselenggarakan oleh Lembaga Sertifikasi Profesi yang terdaftar di OJK. Materi bersifat edukatif dan bukan rekomendasi investasi.

Ubah Data Pasar Menjadi Keputusan Investasi

Daftar sebagai peserta, atau ajukan program ini untuk mahasiswa di kampus Anda dengan pemetaan ke mata kuliah.

Scroll to Top