aris sando hamzah

My Blog

Latest blog

Pada 6 Mei 2026, saya memulai perjalanan mengikuti bootcamp Data Science and Machine Learning di Purwadhika. Hampir enam bulan kemudian, pada 22 Oktober 2026, perjalanan pembelajaran ini mencapai tahap sidang final project.

Data Science dan Machine Learning

Saya mengambil kelas Online Livestream After Hour, yang dilaksanakan secara daring pada malam hari. Pilihan ini memungkinkan saya tetap bekerja sebagai data analis sekaligus memperdalam kemampuan di bidang data science dan machine learning.

Menjalaninya tentu memiliki tantangan tersendiri. Setelah menyelesaikan pekerjaan pada siang hari, saya harus kembali menyiapkan energi dan konsentrasi untuk mengikuti kelas, mengerjakan latihan, serta menyelesaikan proyek. Ada malam ketika tubuh sudah lelah, sementara materi yang dipelajari masih membutuhkan perhatian penuh.

Capek dan lelah menjadi bagian yang wajar dalam proses ini. Namun, saya berusaha menjaga semangat dan konsisten hadir hingga akhir. Bagi saya, bootcamp ini sekaligus menjadi latihan mengatur waktu, menjaga komitmen, dan membangun kebiasaan belajar di tengah tanggung jawab pekerjaan.

Pembelajaran terbagi menjadi tiga modul utama: Programming Fundamental, Data Analysis, dan Machine Learning. Setiap modul dilengkapi evaluasi serta capstone project untuk menerapkan materi pada suatu permasalahan.

Modul 1 — Programming Fundamental: Membangun Dasar Logika Pemrograman

Pembelajaran dimulai pada 6 Mei 2026 dengan materi Introduction to Data Science, Computer & Programming. Pada sesi awal ini, mentor menjelaskan pengertian data science, ruang lingkup pekerjaannya, serta perannya dalam membantu organisasi memahami data dan mengambil keputusan.

Dari pengenalan tersebut, kami mulai masuk ke dasar pemrograman menggunakan Python. Materinya mencakup variabel, tipe data, input pengguna, dan conditional statements. Melalui percabangan seperti if, elif, dan else, saya belajar menerjemahkan suatu kondisi menjadi aturan yang dapat dijalankan oleh program.

Berikutnya, kami mempelajari looping statements atau perulangan. Konsep ini membantu menjalankan pekerjaan berulang secara otomatis. Sebagai contoh, for loop dapat digunakan untuk memeriksa setiap elemen data tanpa harus menuliskan instruksi yang sama berkali-kali. Ketika dikombinasikan dengan percabangan, program dapat memeriksa kondisi sekaligus menjalankan tindakan yang sesuai.

Kami juga mempelajari collection data types, seperti list, tuple, dictionary, dan set. Pada tahap ini, saya mulai memahami cara menyimpan sekumpulan data serta melakukan proses menambahkan, menampilkan, mengubah, dan menghapus data.

Materi selanjutnya adalah Python functions. Dengan fungsi, suatu proses dapat disusun menjadi bagian kode yang bisa digunakan kembali. Saya cukup memanggil fungsi tersebut ketika dibutuhkan, sehingga kode menjadi lebih terstruktur dan lebih mudah diperbaiki.

Capstone Project 1: Kalkulator Panen Udang

Setelah mengikuti pembelajaran dan evaluasi, saya membuat capstone project pertama berupa Kalkulator Panen Udang sederhana.

Saya memilih topik yang dekat dengan latar belakang dan pekerjaan saya di bidang akuakultur. Melalui proyek ini, konsep dasar Python mulai terasa lebih konkret karena digunakan untuk mengelola data panen dan membantu perhitungan usaha budidaya.

Proyek tersebut menjadi langkah awal saya dalam menghubungkan logika pemrograman dengan kebutuhan operasional yang saya pahami.

Baca selengkapnya: Aplikasi Python Sederhana: Kalkulator Panen Udang.

Modul 2 — Data Analysis: Mengolah Data hingga Menjadi Informasi

Modul kedua dimulai pada 20 Mei 2026 dengan pengenalan SQL. Pada tahap ini, pembelajaran berkembang dari membuat program menjadi mengambil, mengelola, dan menganalisis data.

SQL merupakan bahasa untuk berinteraksi dengan basis data relasional. Kami mempelajari penggunaannya melalui MySQL yang diinstal secara lokal, mulai dari membuat tabel, mengatur kolom, menambahkan dan memperbarui data, hingga menampilkan data sesuai kebutuhan.

Kami juga belajar melakukan agregasi, seperti menghitung jumlah observasi, menjumlahkan nilai, dan mencari rata-rata. Dengan JOIN, data dari beberapa tabel dapat dihubungkan berdasarkan kolom yang sesuai untuk membentuk dataset analisis.

Selain MySQL, kami diperkenalkan dengan Google BigQuery. Pengalaman ini membantu saya memahami pengolahan data di lingkungan cloud serta integrasinya dengan layanan lain, seperti Google Colab dan Looker Studio.

Python untuk Analisis Data

Setelah SQL, pembelajaran berlanjut ke Python for Data Analysis. Jika pada modul pertama Python digunakan untuk membangun dasar pemrograman, pada tahap ini penggunaannya lebih terarah pada pengolahan dan analisis data melalui notebook.

Kami menggunakan berbagai lingkungan kerja, seperti Jupyter Notebook, Google Colab, dan Visual Studio Code. Jupyter menjadi salah satu lingkungan yang sering saya gunakan karena memudahkan saya menjalankan kode secara bertahap sekaligus memeriksa hasilnya.

Kami mempelajari pandas untuk mengelola data berbentuk tabel, NumPy untuk operasi numerik, serta Matplotlib untuk visualisasi. Dari sini, saya mulai membangun alur kerja yang lebih terstruktur: membaca data, memeriksa isinya, membersihkan data, lalu mengolahnya untuk menjawab pertanyaan analisis.

Statistik sebagai Dasar Pengambilan Keputusan

Analisis data kemudian diperkuat melalui pembelajaran statistik. Kami membahas proses pengumpulan data, sampling, serta pemeriksaan kualitas data, termasuk missing value, ketidakkonsistenan kategori, outlier, dan anomali.

Saya semakin memahami bahwa kualitas analisis sangat dipengaruhi oleh kualitas data dan ketepatan metode yang digunakan. Angka yang terlihat menarik belum tentu cukup untuk mendukung suatu kesimpulan.

Dalam statistik deskriptif, kami belajar merangkum karakteristik data melalui ukuran pemusatan, penyebaran, dan visualisasi. Kami juga mempelajari kapan sebaiknya menggunakan bar chart, line chart, boxplot, atau grafik lainnya agar informasi mudah dipahami oleh audiens.

Pada statistik inferensial, kami mempelajari pengujian hipotesis serta asumsi yang perlu diperhatikan, seperti distribusi dan homogenitas varians. Beberapa metode yang dipelajari meliputi uji t, ANOVA, ANCOVA, Kruskal–Wallis, dan Chi-square.

Pembelajaran ini membantu saya membedakan antara perbedaan yang terlihat secara deskriptif dan perbedaan yang didukung oleh pengujian statistik. Saya juga belajar bahwa kesimpulan harus disesuaikan dengan desain penelitian dan karakteristik data yang tersedia.

Visualisasi, Dashboard, dan Storytelling

Setelah mempelajari statistik, kami memperdalam visualisasi menggunakan Python. Kami belajar mengatur jenis grafik, warna, label, serta tata letak agar hasil analisis lebih jelas dan nyaman dibaca.

Materi kemudian berlanjut ke storytelling with data dan presentasi. Pada tahap ini, tantangannya adalah menyusun penjelasan yang membantu audiens memahami masalah, temuan, dan implikasinya.

Kami juga mempelajari pembuatan dashboard menggunakan Looker Studio dan Tableau. Dashboard menjadi sarana untuk menyajikan indikator dan hasil analisis agar lebih mudah dipantau serta dieksplorasi.

ETL: Menyiapkan Data sebelum Dianalisis

Materi penutup modul kedua adalah ETL, yaitu Extract, Transform, dan Load.

Kami belajar mengambil data dari sumbernya, membersihkan dan mengubahnya sesuai kebutuhan, lalu memuat hasilnya ke penyimpanan tujuan. Dalam praktik pembelajaran, Google Colab digunakan untuk membantu pengolahan data, sedangkan BigQuery menjadi tempat penyimpanan hasil pengolahan yang kemudian dapat digunakan untuk analisis dan dashboard.

Prinsip garbage in, garbage out menjadi pengingat penting. Jika data yang masuk tidak diperiksa dengan baik, hasil analisis juga berisiko menyesatkan.

Saya mulai melihat bahwa pekerjaan data analis mencakup proses yang panjang sebelum grafik dan kesimpulan dihasilkan. Menyiapkan data yang konsisten, relevan, dan dapat dipercaya merupakan bagian penting dari pekerjaan tersebut.

Capstone Project 2: Revenue Leakage & Billing Control Tower Analysis

Setelah mengikuti evaluasi modul kedua, saya mengerjakan Revenue Leakage & Billing Control Tower Analysis.

Proyek ini menggunakan kasus fiktif dengan data simulasi sebagai latihan membangun alur analisis dari pemahaman masalah bisnis, proses ETL, hingga penyajian dashboard.

Melalui proyek ini, saya berlatih menghubungkan pengolahan data dengan kebutuhan pemantauan tagihan, tunggakan, dan potensi kebocoran pendapatan. Pengalaman tersebut memperlihatkan bagaimana keterampilan analisis dapat diterapkan pada konteks bisnis di luar bidang pekerjaan saya sehari-hari.

Baca selengkapnya: Dari ETL hingga Dashboard: Proses Analisis Revenue Leakage & Billing Control Tower.

Modul 3 — Machine Learning: Menghubungkan Prediksi dengan Kebutuhan Bisnis

Pembelajaran machine learning dimulai pada 13 Juli 2026. Kami diperkenalkan pada konsep dasar, jenis permasalahan yang dapat ditangani, serta alasan penggunaan machine learning.

Salah satu pelajaran yang paling saya ingat adalah pentingnya memilih pendekatan berdasarkan kebutuhan. Tidak semua masalah memerlukan machine learning. Dalam beberapa situasi, analisis deskriptif, pengujian statistik, atau aturan bisnis yang sederhana sudah dapat memberikan jawaban yang memadai.

Pemahaman ini membantu saya lebih berhati-hati dalam menentukan metode. Tujuan analisis dan kebutuhan pengguna perlu dipahami sebelum memilih algoritma.

Memahami Supervised dan Unsupervised Learning

Kami mempelajari dua kelompok utama machine learning, yaitu supervised learning dan unsupervised learning.

Pada supervised learning, model belajar dari data yang memiliki target. Target tersebut dapat berupa nilai numerik untuk regresi atau kategori untuk klasifikasi. Klasifikasi juga dapat melibatkan dua kelas maupun lebih dari dua kelas.

Sementara itu, unsupervised learning digunakan untuk mengeksplorasi pola atau struktur dalam data tanpa target berlabel.

Pada supervised learning, kami mempelajari berbagai algoritma, seperti Linear Regression, Logistic Regression, dan Random Forest. Setiap algoritma memiliki karakteristik dan keterbatasan yang perlu dipertimbangkan sesuai data serta tujuan penggunaannya.

Data Preparation dan Feature Engineering

Tahap berikutnya adalah data preparation dan feature engineering. Kami memeriksa kualitas data, melakukan Exploratory Data Analysis atau EDA, serta mengeksplorasi hubungan antarvariabel melalui boxplot, scatter plot, dan heatmap korelasi.

Kami juga belajar membuat fitur baru yang relevan dengan permasalahan. Proses ini menuntut pemahaman konteks, karena sebuah fitur perlu memiliki makna yang masuk akal bagi tujuan analisis.

Dalam pemodelan, kami mempelajari penggunaan pipeline untuk menyatukan preprocessing dan algoritma. Prosesnya dapat mencakup imputasi missing value, encoding fitur kategorikal, serta scaling pada fitur numerik sesuai kebutuhan model.

Hal penting dalam alur ini adalah memisahkan data latih dan data uji sebelum mempelajari parameter preprocessing. Dengan demikian, informasi dari data uji tidak ikut digunakan untuk melatih model dan menimbulkan data leakage.

Evaluasi Model dan Hyperparameter Tuning

Kami kemudian mempelajari generalization, overfitting, dan underfitting. Model perlu dievaluasi untuk mengetahui kemampuannya mempelajari pola yang dapat digunakan pada data baru.

Performa pada data latih perlu dibandingkan dengan hasil validasi. Pemilihan model dan hyperparameter tuning dilakukan menggunakan data latih serta proses validasi, sedangkan data uji digunakan untuk menilai performa akhir setelah keputusan pemodelan ditetapkan.

Melalui proses ini, saya memahami bahwa pemilihan model memerlukan evaluasi yang terukur. Model yang lebih kompleks belum tentu memberikan hasil yang lebih sesuai dengan kebutuhan.

Machine Learning for Business

Materi Machine Learning for Business memperluas cara saya menilai suatu model. Evaluasi mencakup dampak operasional dan biaya dari keputusan yang dihasilkan.

Setiap kesalahan prediksi dapat memiliki konsekuensi yang berbeda. Karena itu, pemilihan metrik perlu mempertimbangkan tujuan bisnis, biaya kesalahan, serta kapasitas tim yang akan menggunakan hasil prediksi.

Kami juga membandingkan skenario penggunaan model dengan skenario tanpa model. Dari sini, saya belajar menerjemahkan performa teknis menjadi pertimbangan bisnis yang lebih konkret, termasuk potensi penghematan biaya dan pemanfaatan sumber daya.

End-to-End Machine Learning dan Deployment

Pada bagian akhir, kami mempelajari alur machine learning secara menyeluruh dan menerapkan model melalui Streamlit.

Tahap ini memperlihatkan bagaimana hasil pemodelan dapat disajikan melalui aplikasi yang lebih mudah digunakan. Pengguna dapat memasukkan data dan melihat hasil prediksi tanpa harus menjalankan kode secara langsung.

Bagi saya, deployment menjadi penghubung antara pekerjaan analisis dan penggunaan model dalam suatu alur kerja.

Capstone Project 3: Bank Marketing Campaign

Setelah mengikuti evaluasi modul ketiga, termasuk ujian Perceptual Logic, saya mengerjakan capstone project Bank Marketing Campaign.

Proyek ini berfokus pada prediksi nasabah yang berpotensi membuka deposito untuk membantu penyusunan prioritas campaign. Saya menerapkan tahapan pembelajaran mulai dari memahami masalah bisnis, menyiapkan data, membangun dan mengevaluasi model, hingga menyajikannya melalui aplikasi.

Proyek ini juga melatih saya mempertimbangkan dampak false positive dan false negative terhadap biaya campaign serta peluang nasabah potensial yang terlewat.

Baca selengkapnya: Prediksi Nasabah Potensial Deposito dengan Machine Learning.

Perjalanan Bootcamp

Final Project — Olist Seller Churn bersama Tim Alpha

Setelah menyelesaikan tiga modul beserta evaluasinya, kami mengikuti proses seleksi untuk masuk ke tahap final project. Peserta kemudian dibagi menjadi tiga tim: Alpha, Beta, dan Gamma.

Saya bergabung dalam Tim Alpha bersama Rifdah Octavi Azzahra dan Dzakwan Taufiq Nur Muhammad. Kami mengangkat topik Seller Churn pada marketplace Olist untuk membantu mengidentifikasi seller berisiko dan mendukung penentuan prioritas campaign retensi.

Keberlanjutan aktivitas seller merupakan bagian penting dalam bisnis marketplace. Berkurangnya seller aktif dapat memengaruhi variasi produk, volume transaksi, dan potensi pendapatan platform. Konteks tersebut menjadi dasar bagi kami dalam merumuskan tujuan proyek.

Selama pengerjaan, kami berkoordinasi dua kali dalam seminggu dan menjalani empat sesi konsultasi bersama mentor, masing-masing satu kali setiap minggu. Diskusi tersebut menjadi kesempatan untuk meninjau perkembangan, mengevaluasi pendekatan, dan memperbaiki bagian yang masih perlu diperkuat.

Final project menjadi tempat kami menggabungkan pembelajaran dari ketiga modul: memahami permasalahan bisnis, mengolah data, melakukan analisis, membangun model, serta menyampaikan hasil dan rekomendasi.

Pengerjaan secara tim juga memberikan pengalaman dalam membagi tanggung jawab, menyelaraskan pemahaman, dan menjelaskan alasan di balik setiap keputusan analisis.

Pada 22 Oktober 2026, kami mengikuti sidang final project sebagai tahapan akhir dari rangkaian pembelajaran bootcamp ini.

Baca selengkapnya: Dari Data Menjadi Solusi Bisnis: Proyek Olist Seller Churn.

Sebagai seorang magister perikanan yang bekerja sebagai data analis, mendalami data science memberikan tantangan tersendiri. Saya perlu memperkuat kemampuan pemrograman, statistik, dan pemodelan, sekaligus membiasakan diri dengan cara kerja serta perangkat yang baru.

Namun, latar belakang perikanan juga memberikan bekal yang berharga. Pengalaman di bidang akuakultur membantu saya memahami konteks data, kebutuhan operasional, dan pertanyaan yang relevan bagi pengguna hasil analisis.

Selama bootcamp, saya semakin memahami pentingnya domain knowledge atau pengetahuan bidang. Kemampuan teknis perlu berjalan bersama pemahaman terhadap proses bisnis agar analisis dan model yang dibuat dapat digunakan secara tepat.

Perjalanan dari kelas pertama pada 6 Mei hingga sidang final project pada 22 Oktober 2026 menjadi pengalaman belajar yang berarti bagi saya. Ada materi yang harus dipelajari berulang kali, kode yang perlu diperbaiki, serta waktu istirahat yang harus diatur kembali agar pekerjaan dan pembelajaran tetap berjalan.

Menyelesaikan bootcamp ini memberi saya fondasi untuk terus berkembang. Saya ingin membawa pembelajaran tersebut ke pekerjaan sehari-hari dan mengembangkan penerapan data science dalam akuakultur—mulai dari meningkatkan kualitas data, mengevaluasi performa budidaya, hingga membangun alat bantu keputusan yang sesuai dengan kebutuhan di lapangan.

PT Central Proteina Prima Tbk (CP Prima) telah berdiri di Indonesia sejak 30 April 1980, dengan visi menjadi perusahaan akuakultur terbesar dan terdepan di dunia.

Sebagai salah satu pionir dalam industri akuakultur nasional, CP Prima telah mengembangkan bisnis yang luas — mulai dari produksi pakan udang, pakan ikan, pakan ternak, pakan hewan peliharaan, produk olahan, ekspor hasil perikanan, hingga produksi benur (hatchery) untuk udang dan ikan.


Dalam mendukung produksi benur udang nasional, CP Prima memiliki jaringan hatchery yang tersebar di seluruh Indonesia: Aceh, Lampung, Bangka, Banten, Jawa Barat, Jawa Tengah, Jawa Timur, Sulawesi, hingga Nusa Tenggara Barat.

Awal Bergabung

Saya pertama kali bergabung di CP Prima pada 18 Agustus 2025 sebagai Data Analyst Shrimp Hatchery.

Peran utama saya adalah melakukan analisis data dan reporting untuk mendukung pengambilan keputusan yang berbasis data.

Tugas pertama saya adalah mempelajari struktur data hatchery dan melakukan aktivitas lapangan. Tahapan ini menjadi dasar penting sebelum melakukan analisis data yang lebih mendalam.

A. Kunjungan Lapangan

Pada minggu-minggu awal, saya melakukan kunjungan ke lapangan untuk memahami proses produksi benur secara langsung — mulai dari tahap persiapan, penanganan induk, pemijahan, pemeliharaan larva, hingga proses panen.

Proses pengamatan ini memberi saya basic knowledge tentang alur kerja produksi hatchery.

Selain observasi, saya juga melakukan diskusi dengan tim produksi dan laboratorium untuk memahami parameter-parameter penting yang memengaruhi performa produksi, seperti kualitas air, kesehatan larva, dan manajemen induk.

B. Digitalisasi dan Visualisasi Data

Setelah memahami struktur data dan proses produksi, saya mulai mengembangkan sistem pelaporan digital berbentuk dashboard menggunakan Google Looker Studio (Baca juga: Looker Studio: Dashboard Budidaya).

Dashboard ini mengintegrasikan beberapa sumber data utama:

  • Data produksi (naupli dan benur)
  • Data laboratorium (quality control, kesehatan, kualitas air, dan parameter lainnya)
  • Data performa tambak

Dengan sistem ini, seluruh tim dapat melakukan analisis dan monitoring secara real-time, sehingga pengambilan keputusan menjadi lebih cepat dan berbasis data aktual.

Pada 26 November 2025 dan 10 Desember 2025, kami telah melaunching dan mensosialisasikan CPP Shrimp Hatchery Dashboard kepada seluruh tim Head of Hatchery yang meliputi bidang produksi, operasional dan supporting (Baca juga : Shrimp Hatchery Dashboard).

C. Meeting Nasional Shrimp Hatchery CP Prima

Pada 30 September – 2 Oktober 2025, saya berkesempatan menghadiri Meeting Nasional CP Prima Shrimp Hatchery yang diselenggarakan di Hotel Alana, Yogyakarta.

Acara ini membahas berbagai topik strategis — mulai dari progres produksi nasional, quality control, R&D dan improvement, HR, engineering, finance, hingga analisis data.

Pada sesi Data Analyst, saya berkesempatan untuk mempresentasikan sistem reporting digital yang telah kami kembangkan.

Kegiatan Outbond CP Prima Shrimp Hatchery

Sesi ini menjadi momen penting bagi saya untuk berbagi hasil kerja sekaligus mendapatkan masukan langsung dari para pimpinan dan rekan dari berbagai wilayah.

D. Personal Training

Dalam rangka meningkatkan kompetensi, khususnya soft skill yang mendukung peran saya sebagai Data Analyst dan Performance Analyst, saya secara aktif mengikuti berbagai program pelatihan yang diselenggarakan baik oleh pihak internal perusahaan maupun lembaga eksternal profesional.

Internal Training CP Prima

Salah satu pelatihan internal yang saya ikuti adalah Training Problem Solving & Decision Making Using PDCA & QC Tools yang diselenggarakan pada 10–11 Februari 2026 di Jakarta Selatan. Pelatihan ini berfokus pada penguatan kemampuan analisis masalah secara sistematis serta pengambilan keputusan berbasis data menggunakan pendekatan PDCA (Plan–Do–Check–Action) dan berbagai QC Tools.

Selain itu, saya juga mengikuti pelatihan dari lembaga eksternal yang memiliki sertifikasi profesional di bidang data analytics, guna memperdalam keterampilan teknis dalam pengolahan, analisis, dan interpretasi data.

E. Analisis Data dan Reporting

Dalam mendukung proses pengambilan keputusan yang lebih akurat dan berbasis data, kami secara rutin melakukan berbagai analisis data menggunakan pendekatan statistik (Baca : JupyterLab (Python) : Analisis Data) maupun Machine Learning (Baca : Machine Larning dalam Akuakultur).

Analisis tersebut digunakan untuk:

  • mengidentifikasi pola dan tren kinerja,
  • mengevaluasi faktor-faktor yang memengaruhi performa operasional,
  • serta menghasilkan insight yang dapat digunakan sebagai dasar perumusan strategi dan rekomendasi perbaikan.
Hasil analisis kemudian disajikan dalam bentuk reporting dan dashboard analitik, sehingga memudahkan manajemen dalam memonitor performa serta mengambil keputusan yang lebih cepat dan tepat.

Penutup

Pengalaman awal saya di CP Prima menjadi perjalanan yang sangat berharga. Dari kegiatan lapangan hingga pengembangan dashboard digital, saya belajar bahwa transformasi data bukan sekadar angka, tetapi juga alat untuk meningkatkan efisiensi, kualitas, dan produktivitas hatchery.

Saya percaya, dengan kolaborasi dan inovasi digital, CP Prima akan terus melangkah menuju visinya sebagai perusahaan akuakultur terbesar dan terdepan di dunia.

PT. Grobest Indomakmur (Grobest Group) merupakan salah satu perusahaan multinasional yang bergerak dalam sektor akuakultur. 

Perusahaan yang didirikan di Taiwan pada tahun 1974 ini menjadi salah satu pemasok pakan ikan dan udang di Indonesia.

Saya bergabung di PT. Grobest Indomakmur (Grobest Group) yaitu pada Maret 2021 dengan jabatan sebagai Aquaculture Technology Development Specialist (ATD Specialist).

Kunjungan ke Tambak Pendampingan Grobest

Tugas pertama saya di Aquaculture Technology Development Specialist (ATD Specialist) yaitu monitoring progres trial. Kami bekerjasama dengan IPB Bogor dalam program Trial ini. 

A. Monitoring Progres Trial

Demi mendukung kesuksesan trial, saya ikut membantu dalam menyediakan kebutuhan pakan treatment dan memonitoring progres trial tersebut untuk dilaporkan ke manajemen dan Headquarters (HQ).

Trial ini dilaksanakan di lokasi yang berbeda, trial Laboratorium dilaksanakan di Lab kampus dan trial lapangan dilaksanakan di Tambak Lampung.

Monitoring Progres Trial di IPB Bogor

B. Collecting dan Analisis Data

Tugas saya selanjutnya yaitu mengumpulkan data (collecting data) budidaya tambak customer Grobest terkhusus tambak pendampingan. 

Data yang saya kumpulkan mulai dari data informasi tambak, persiapan budidaya, kualitas air, sampling, kesehatan udang (hepato pancreas), panen dan lain-lain.

Kami melakukan kunjungan ke beberapa tambak pendampingan kemudian mengumpulkan informasi dan dokumentasi. Salah satu kunjungan kami telah saya posting pada artikel sebelumnya (Baca : Wisata Akuakultur di Pantai Carita Banten).

Kunjungan dan Diskusi Bersama Customer Grobest

Proses collecting data pada mulanya dilaksanakan secara manual. Kami membagian form monitoring excel, kemudian tim technical services dan teknisi tambak mengisi form tersebut.

Kemudian data trial maupun data budidaya tersebut saya analisa, dan dijadikan bahan diskusi pada meeting technical. 

Agar pekerjaan lebih simpel maka kami mengembangkan form monitoring trial dan dashboard monitoring budidaya customer kami di seluruh Indonesia.

Selain itu ada beberapa form dan dashboard berbasis excel yang telah kami kembangkan untuk monitoring performa pasar, dan lingkungan perairan (Baca : Excel Monitoring Dashboard : Project Trial, Budidaya, Market, Pakan dan Lingkungan).

C. Analisis Data, Reporting dan Presentasi

Data yang telah saya kumpulkan, kemudian saya analisa menggunakan tools seperti excel dan IBM SPSS statistics (data trial). 

Data tersebut saya olah dan kemudian dibuatkan laporan mingguan, laporan bulanan, dan analisa technical lainnya.

Laporan tersebut kami share kepada tim management, technical services, sales sebagai bahan evaluasi performa pakan.

Analisis Data dan Menyusun Presentasi Bersama Technical Services Director

Pada 2024 akhir, kami mulai melakukan digitalisasi data-data tersebut kami analisa menggunakan power BI (Baca : Power BI Technical Aquaculture : Laporan Data, Penyakit, Inventory, Training & Performa Budidaya)

Laporan power BI tersebut dijadikan sebagai bahan diskusi technical oleh tim TS dan Sales tiap regional maupun area.

Meeting Technical

Kami melaksanakan meeting mingguan untuk data dan diskusi technical. Melakukan evaluasi performa budidaya, mengumpulkan isu-isu teknis dan memberikan solusi.

Beberapa tambak kami jadikan Success Story dan Studi Kasus. Materi tersebut kami share ke Tim Commercial (TS dan Sales) sebagai bahan evaluasi technical dan promosi.

Mereka dapat mengakses materi tersebut secara online pada aplikasi power apps yang telah kami kembangkan (Baca : Power Apps Technical - Marketing : Pengajuan, Training, Edukasi dan Report).

D. Training dan Seminars

Pada 2022, Grobest Indonesia mulai menggunakan aplikasi Technical Services Apps (Pond Data Collection) yang dikembangkan oleh tim Technical Service Group. 

Demi mendukung kelancaran penggunaan aplikasi tersebut, saya melakukan sosialisasi dan training penggunaan aplikasi tersebut.

Training online tersebut dihadiri oleh Regional Sales Manager, Technical Services Manager, Technical Services, Grobest Technical Training Program, & Analis Laboratorium seluruh Indonesia.

Presentasi dan Sosialisasi Penggunaan TS Apps Grobest

Tidak sampai disitu saja, saya juga menyusun laporan mingguan sebagai bahan evaluasi penggunaan aplikasi setiap bulannya.

Selain training dan sosialiasi penggunaan aplikasi TS Apps, saya juga melaksanakan beberapa training seperti Training Basic (Grobest Feeds & Introduction, Shrimp Health dan Fungsional Feeds), Intermediate (Basic Laboratorium dan Funsgional Feeds Update) dan Advance (Diskusi Success Story dan Studi Kasus).

Pada Mei - Juni 2025, saya menjadi trainer / pemateri untuk training microsoft online : SharePoin Online, Power BI & Power Automate. Kegiatan tersebut dilaksanakan oleh Departemen Human Resorce (HR) dan dihadiri oleh tim head office dan tim produksi.

E. Mendukung Tim Laboratorium

Departemen Aquaculture Technology Development (ATD) memiliki tugas dalam support tim laboratorium. Mulai dari melaksanakan training, pendataan, pengiriman barang lab dan lain sebagainya.

Tim ATD Grobest

Pada 2024 akhir, proses pengajuan barang dilakukan secara digital menggunakan microsoft form dan power automate. Tim melakukan pengajuan, kemudian atasan melakukan review dan ACC. 

Setelah setelah selesai, maka kami melakukan pengiriman barang laboratorium seperti test kit, reagen, dan lain sebagainya.

Mereka bisa melakukan pengajuan, monitoring stock dan pengiriman pada aplikasi power apps yang telag kami kembangkan (Baca : Power Apps Technical - Marketing : Pengajuan, Training, Edukasi dan Report)

E. Mendukung Marketing

Pada 2024, departemen Aquaculture Technology Development (ATD) telah digabung bersama departemen marketing dan komunikasi (MARCOM). Sehingga saya mendapat beberapa pekerjaan tambahan untuk support MARCOM.

Diskusi dengan Pengunjung di Asian-Pacific Aquaculture (APA) 2024 di Surabaya

Mulai dari menjadi panitia dalam support kegiatan grobest. Kami menghadiri beberapa kegiatan akuakultur baik sebagai peserta, penyelenggara hingga sponsorship. Dari tingkat regional, nasional dan internasional.

Bersama Tim Grobest di APA Surabaya

Sebagai data analis, saya juga mendukung marketing dan promosi dengan data. Success Story tambak kami jadikan konten sosial media.

Saya membuat beberapa desain success story dan kemudian mempublikasikannya pada sosial media grobest.

Konten Success Story Grobest


Selain itu, saya juga melakukan digitalisasi untuk memudahkan tim sales untuk pengajuan marchendise dan barang marketing lainnya.

Tim sales dapat melakukan pengajuan pada aplikasi power apps (Baca : Power Apps Technical - Marketing : Pengajuan, Training, Edukasi dan Report).

Selain itu, mereka juga bisa melihat laporan digital seperti stock dan pengiriman barang, harga udang, dan analisa sosial media menggunakan aplikasi Power BI marketing yang saya kembangkan (Baca : Power BI Marketing : Laporan Stock, Pengiriman, Harga Udang dan Analisis Sosial Media).

Saya juga melakukan collecting data market share dan volume pakan. Data-data tersebut kemudia saya analisis dan membuat laporan untuk tim management dan HQ (Baca : Excel Monitoring Dashboard : Project Trial, Budidaya, Market, Pakan dan Lingkungan).

G. Employee of the Month

Pada April 2025 saya dipercayakan untuk menjadi Employee of the Month PT. Grobest Indomakmur. Terimakasih saya ucapkan kepada semua pihak atas kepercayaannya

Penyerahan Gambar Figura oleh Head of HR

Pada Agustus 2018 merupakan awal mula saya menginjakkan kaki di kota hujan, Bogor. Bertepatan dengan penerimaan mahasiswa pasca sarjana Institut Pertanian Bogor (IPB) University.

Selama menempuh pendidikan pasca sarjana, saya tidak hanya mengikuti kegiatan akademis saja namun juga kegiatan organisasi. Beberapa organisasi telah saya ikuti, baik internal maupun eksternal. 

Laporan Ketua Panitia MUBES HIMMPAS IPB

Organisasi internal merupakan organisasi yang dibawah naungan kampus seperti Forum Mahasiswa Pasca Sarjana IPB University, Bogor Science Club (BSC) dan Himpunan Mahasiswa Muslim Pascasarjana (HIMPAS) IPB.

Bersama Peserta Lomba Futsal Pasca CUP

Saya memulai karir di Forum Mahasiswa Pasca Sarjana IPB University, dimulai menjadi panitia Pekan Olahraga yang dilaksanakan pada 1 Desember 2018. Selain kegiatan tersebut, saya juga ikut serta sebagai panitia diskusi dan kongres organisasi.


Presidium Sidang Kongres BSC

Saya tidak terlalu banyak mengikuti kegiatan di Bogor Science Club (BSC), salah satu kegiatan yang saya ikut yaitu Kongres ke-6 BSC. 

Kegiatan tersebut dilaksanakan pada 15 Desember 2018 bertempat di Ruang Pasca Sarjana IPB. Pada momen tersebut, saya diamanahkan sebagai Presidium Sidang Tetap. 

Himpunan Mahasiswa Muslim Pascasarjana (HIMPAS) IPB merupakan organisasi keisalaman yang bergerak dalam bidang dakwah kampus. 

Panitia Acara HIMMPAS IPB

Pada organisasi ini, saya ikut menjadi panitia pada beberapa kegiatan. Antara lain sebagai koordinator acara kajian pra-nikah yang dilaksanakan di Masjid Al-Huriyah IPB pada 8 Desember 2018. Pada kegiatan itu juga, saya diamanahkan menjadi master of ceremony (MC).

Panitia MUBES HIMMPAS IPB

Selanjutnya, saya diamanahkan menjadi Ketua Panitia Musyawarah Besar (MUBES) XIV HIMMPAS IPB yang dilaksanakan pada 13 Januari 2019.

Selain berkecimpung di organisasi internal kampus, saya juga aktif di organisasi eksternal kampus seperti Himpunan Mahasiswa Islam (HMI).

Himpunan Pemuda Pelajar dan Mahasiswa Lasaritapo Wabula (HIPPMA LASWABUL) Kendari merupakan sebuah organisasi kepemudaan yang bersifat non-profit  dan bukan organisasi politik, yang beranggotakan pemuda, pelajar dan mahasiswa etnis wabula yang berdomisili di Kota Kendari. 

HIPPMA Laswabul Kendari didirikan pada 9 Desember 1995 dan menjadi lembaga silaturahmi yang berasaskan kekeluargaan dan berperan sebagai wadah pemersatu para generasi muda wabula di tanah rantau (Kota Kendari).

Sambutan Ketua Umum HIPPMA LASWABUL Kendari

Kepengurusan HIPPMA Laswabul Kendari Periode 2017-2018 dimulai pada tanggal 8 Januari 2017 melaui Musyawarah Besar (MUBES) X HIPPMA Laswabul Kendari, musyawarah tersebut telah menetapkan Aris Sando Hamzah sebagai ketua umum dan Isfan Fajar Ondjo sebagai sekretaris umum HIPPMA LASWABUL Kendari Periode 2017-2018.

Rapat Pengurus

Pada kepengurusaan ini kami telah melaksanakan beberapa kegiatan dimulai dari kegiatan bimbingan belajar untuk calon mahasiswa baru di kota kendari. Kegiatan ini dilaksanakan di Yayasan SMKS Mapindo pada 12 - 14 Mei 2017. 

Kegiatan BIMBEL

Pada kegiatan BIMBEL, kami memberikan ulasan materi sebagai bekal peserta untuk mengikuti ujian masuk perguruan tinggi. 

Pada momen bulan Ramadhan, kami melaksanakan kegiatan buka puasa dan bakti ramadhan di Yayasan Panti Asuhan Al-Ikhlas. 

Buka Puasa & Bakti Ramadhan

Pada kegiatan tersebut, kami memberikan sumbangan berupa sembako dan pakaian bekas layak pakai untuk anak-anak panti asukan.

Pada 29 Oktober 2017, kami melaksanakan kegiatan Expo Wisata dan Budaya Wabula (EX-WIBAWA) di Kota Kendari. 

Expo Wisata & Budaya Wabula

Kegiatan ini bertujuan untuk mepromosikan pariwisata dan budaya Wabula serta sebagai forum seminar akademis (Baca : Wabula Sebagai Ujung Tombak Pariwisata dan Kebudayaan Kabupaten Buton). 

Hasil seminar akademis tersebut, kami jadikan surat rekomendasi untuk Bupati Buton dan Dinas terkait.

Pada 18-19 November 2017, kami melaksanakan kegiatan Silaturahmi dan Dialog Bersama (SILOGMA). 

Materi Kepemimpinan dan Manajemen Organisasi

Kegiatan SILOGMA bertujuan sebagai forum kaderisasi dan latihan dasar kepemimpinan untuk kader HIPPMA LASWABUL Kendari. 


Kepengurusan kami berakhir pada 25 Februari 2018 yang dilegitimasi pada Musyawarah Besar (MUBES) XI yang dilaksanakan di Dinas Sosial Provinsi Sulawesi Tenggara.

 ✨ Revolusi Digital dengan Power Apps untuk Tim Teknikal & Sales! ✨

Dalam era digitalisasi yang semakin maju, efisiensi adalah kunci keberhasilan. Kami dengan bangga memperkenalkan pengembangan aplikasi Power Apps yang dirancang khusus untuk mendukung tim teknikal dan sales dalam berbagai aspek pekerjaan mereka. 🚀

🛠 Pengajuan Lebih Mudah

Dengan aplikasi ini, tim dapat dengan mudah melakukan pengajuan kapan saja dan di mana saja—menghemat waktu dan meningkatkan produktivitas.

📚 Ikuti Training Online Tanpa Batas
Fasilitas training online terintegrasi memungkinkan tim untuk terus belajar dan meningkatkan keterampilan mereka dengan nyaman, sesuai dengan kebutuhan.

📊 Pantau Performa Budidaya
Nikmati akses cepat ke informasi performa budidaya terkini. Aplikasi ini membantu membuat keputusan yang lebih tepat berdasarkan data real-time.

🌍 Informasi Lingkungan dalam Genggaman
Tim kini dapat mengakses informasi lingkungan yang relevan, memberikan wawasan untuk langkah strategis yang lebih efektif.

⭐ Success Story yang Menginspirasi
Kami percaya bahwa kesuksesan harus dibagikan. Temukan berbagai cerita sukses yang dapat memotivasi tim untuk terus mencapai yang terbaik.

📈 Analisis Laporan yang Canggih
Dengan fitur analisis laporan yang canggih, aplikasi ini mempermudah pengambilan keputusan berdasarkan data yang akurat.

🎯 Inovasi yang Siap Membawa ke Tingkat Selanjutnya!
Aplikasi ini adalah bukti nyata bagaimana teknologi dapat meningkatkan efisiensi dan kualitas kerja tim 💡

Terkait pengembangan aplikasi Power BI, kami hadir untuk mendukung tim sales dalam menganalisis data dan informasi stok secara cepat dan akurat. 

Aplikasi ini dirancang untuk memberikan wawasan mendalam, mempermudah pengambilan keputusan strategis, dan meningkatkan efisiensi kerja melalui visualisasi data yang interaktif dan informatif.

Dengan integrasi fitur laporan stok dan pengiriman barang, informasi harga udang terkini, serta analisis konten dan media sosial, laporan Power BI Marketing memberikan wawasan komprehensif bagi tim dalam mengoptimalkan strategi pemasaran dan operasional. 

Visualisasi data yang interaktif memungkinkan identifikasi tren pasar, efektivitas kampanye digital, serta pola konsumsi pelanggan secara lebih akurat. 

Dengan memanfaatkan laporan ini, bisnis dapat mengambil keputusan yang lebih cepat, tepat, dan berbasis data untuk meningkatkan daya saing di industri akuakultur.

Dalam dunia akuakultur yang terus berkembang, pemanfaatan data menjadi kunci utama dalam meningkatkan efisiensi dan efektivitas operasional. 

Pengembangan aplikasi Power BI hadir sebagai solusi inovatif yang memungkinkan tim teknikal akuakultur untuk menganalisis data secara lebih mendalam, menyajikan visualisasi yang informatif, serta mendukung pengambilan keputusan yang lebih akurat dan berbasis data. 

Dengan alat ini, industri akuakultur dapat bergerak menuju era digitalisasi yang lebih cerdas dan responsif terhadap tantangan dan peluang yang ada (Baca : Training Microsoft : Power Business Intelligence (BI)).

Beberapa sistem reporting yang kami kembangkan yaitu disease monitoring, data contributor untuk memonitor aktivitas tim teknikal, aquaculture & harvest performance, technical training dan laboratory inventory.

Disease Monitoring

Penyakit menjadi salah satu faktor penentu keberhasilan akuakultur terkhusus udang vaname. Sebagai gambaran kondisi lingkungan, kami melakukan survei penyakit secara rutin.

Gambaran kondisi penyakit dapat dimonitoring setiap bulan berdasarkan lokasi. Untuk memudahkan pengamatan, level penyakit dikategorikan berdasarkan warna : hijau (low), kuning (medium) dan merah (high).

Data Contributor

Demi mendukung pengumpulan data agar lebih optimal, kami membuat dashboard data kontributor untuk memonitoring progres pengumpulan data setiap area.

Dashboard Data Kontributor

Hal ini dapat memudahkan pimpinan atau manager area untuk memonitoring progres tim mereka masing-masing.

Harvest Performance

Tim dapat memonitoring hasil panen pada tambak di area mereka masing-masing. Data panen ditampilkan dalam bentuk tabel maupun grafik. Pada sampel dashboard, tim dapat memonitoring performa panen per tahun pada area masing-masing.

Technical Training

Training menjadi agenda wajib departemen kami, hal ini bertujuan untuk meningkatkan pemahaman dasar tim commersial.

Dashoard Training

Demi memudahkan stakeholder dalam memantau progres aktivitas training. Mereka dapat mengetahui siapa saja yang sudah dan belum mengikuti training.

Laboratory Inventory

Kami memiliki tim laboratorium yang tersebar di seluruh Indonesia, maka dari itu inventaris stock sangat penting.

Dashboard Inventory

Dalam memudahkan tim pusat dan manager area untuk memonitoring stock, kami menggunakan dashboard inventaris laboratorium.

Aquaculture Monitoring

Kami selalu memonitoring pelanggan kami berdasarkan data yang telah dikumpulkan oleh tim lapangan. 

Dashboard Monitoring Akuakultur

Tim dapat memonitoring berbagai parameter, mulai dari informasi penebaran, sampling bobot, kesehatan udang, mikrobiologi, pakan, kualitas air dan performa panen.

Wadah pemeliharaan larva kami berupa bak kontainer namun pada umumnya wadah pemeliharaan larva siput mata bulan berupa bak beton yang dilengkapi sistem resirkulasi. Wadah pemeliharaan tersebut juga dilengkapi dengan aerasi dan beberapa plat yang telah ditumbuhi pakan untuk menempelnya larva. Pakan tersebut berupa pakan alami jenis Navicula sp. yang telah kami tumbuhkan sekitar 2 minggu sebelum penebaran larva. Berbeda dengan larva kerang mutiara yang cenderung menyukai substrat yang berwarna gelap untuk menempel, larva siput mata bulan menyukai substrat yang berwarna putih keabu-abuan. 

Budidaya kerang mutiara secara komersil dimulai dari budidaya pembenihan yang dilakukan di Laboratorium maupun Hatchery dan kemudian setelah mencapai stadia spat (benih), maka dilanjutkan dengan budidaya pembesaran yang dilakukan di Keramba Jaring Apung seperti yang telah kami ulas dalam artikel sebelumnya.  
 
Kebudayaan merupakan hasil dari cipta, rasa, dan karsa serta menjadi harta berharga dari sebuah peradaban yang telah diwariskan oleh para leluhur untuk kita lestarikan dan jaga. Sebagai generasi muda (generasi milenial), kebudayaan tersebut menjadi sebuah amanah penting yang harus dilestarikan dan dijaga serta kelak akan diwariskan untuk generasi yang akan datang. 



Baca Selengkapnya di Blog Hantu Laut
Kaderisasi menjadi suatu hal yang paling penting (urgent) dalam suatu organisasi, karena sangat berpengaruh dalam mendukung kader, baik secara kuantitas maupun secara kualitas sehingga dari hal tersebut, proses kaderisasi harus tetap dilaksanakan pada kondisi ataupun situasi apapun. Namun dewasa ini, proses kaderisasi masih belum berjalan seperti yang diharapkan ditambah lagi organisasi mahasiswa saat ini masih belum menyesuaikan metode perkaderan sesuai perubahan zaman. 

Contact Me

Get in Touch

Silahkan menghubungi saya pada kontak form yang tersedia atau melalui link yang saya bagikan

  • Jakarta Pusat
  • 082111339488
  • arissandohamzah@gmail.com
  • www.hantulaut.web.id
Top ↑