Kalau kamu sedang pindah karier ke data, kemungkinan besar folder Google Drive kamu penuh: notebook Jupyter, file Excel latihan, dashboard Looker Studio yang dibuat semalam sebelum deadline kelas. Semua ada, tapi tidak ada yang bisa dibuka recruiter dalam satu klik.
Di sisi lain, recruiter data biasanya menyaring puluhan pelamar dengan CV yang isinya identik: "SQL, Python, Tableau, Excel advanced". Tidak ada cara cepat membedakan orang yang benar-benar pernah membereskan data kotor dari orang yang baru menonton tutorial. Portfolio adalah cara membedakannya — dan cara ini gratis.
Artikel ini membahas apa yang sebenarnya dicari recruiter, struktur lima blok yang bisa langsung kamu tiru, contoh projek nyata yang layak masuk portfolio, serta cara mempublikasikannya dalam waktu kurang dari satu menit.
Kenapa Data Analyst Justru Sangat Butuh Portfolio
Pekerjaan data analyst inti-nya adalah mengubah angka menjadi keputusan. Itu adalah keterampilan yang tidak bisa dibuktikan oleh daftar tools. Dua orang yang sama-sama menulis "menguasai SQL" bisa berbeda jauh: satu bisa menulis query window function untuk menghitung retensi kohort, satu lagi baru bisa SELECT *.
Portfolio menutup celah itu. Ia memperlihatkan bagaimana kamu merumuskan pertanyaan, membersihkan data, memilih metrik, dan yang paling penting: rekomendasi apa yang kamu ajukan setelah analisis selesai. Banyak pelamar berhenti di grafik; yang diterima adalah yang melanjutkan ke kalimat "karena itu, saya sarankan…".
Ada bonus praktis lain. Saat interview, kamu tidak lagi menjawab pertanyaan abstrak. Kamu bisa bilang, "boleh saya tunjukkan satu projek?" — dan seketika pembicaraan pindah ke wilayah yang paling kamu kuasai.
Struktur 5 Blok Portfolio Data Analyst
Tidak perlu website rumit. Lima blok berurutan sudah cukup untuk membuat recruiter menilai kamu dalam satu kali scroll.
1. Hero — Posisi, Spesialisasi, dan Tools Utama
Tiga detik pertama menentukan apakah halaman kamu ditutup. Jangan membuka dengan status ("sedang mencari pekerjaan"), tapi dengan nilai yang kamu bawa.
- ❌ "Fresh graduate statistika, sedang mencari peluang di bidang data."
- ✅ "Data Analyst — fokus analitik e-commerce & retensi pelanggan. SQL, Python (pandas), Looker Studio."
2. About — Tiga Kalimat, Bukan Riwayat Hidup
Sebutkan latar belakangmu, domain yang kamu minati (retail, fintech, kesehatan, logistik), dan jenis pertanyaan yang senang kamu jawab. Domain knowledge adalah pembeda besar di industri data: analyst yang paham bisnis F&B akan selalu lebih cepat berguna di perusahaan F&B daripada analyst generik.
3. Featured Projects — Jantung Portfolio
Bagian ini yang benar-benar dibaca. Tulis setiap projek dengan empat elemen tetap:
- Masalah — pertanyaan bisnis apa yang kamu jawab.
- Data & tools — sumber data, ukurannya, dan alat yang dipakai.
- Proses — cleaning, asumsi yang diambil, metrik yang dipilih, dan alasannya.
- Insight & rekomendasi — temuan, dampaknya, dan saran tindakan.
Sertakan satu visual per projek (grafik atau tangkapan layar dashboard) plus tautan ke notebook/GitHub. Halaman portfolio bukan tempat menempel 300 baris kode — biarkan kode jadi lampiran.
4. Skills & Tools — Spesifik dan Jujur
Kelompokkan agar mudah dipindai: bahasa & query (SQL, Python, R), visualisasi (Looker Studio, Tableau, Power BI), spreadsheet (pivot, Apps Script), dan statistik (A/B testing, regresi). Tulis level yang realistis; ini akan diuji saat technical interview.
5. Contact — Satu Klik, Tanpa Drama
Email profesional, LinkedIn, GitHub, dan kalimat ajakan singkat: "Terbuka untuk posisi Data Analyst entry-level, Jakarta atau remote." Jangan sembunyikan kontak di bawah lima gulungan layar.
Contoh Projek Nyata yang Dilirik Recruiter
Recruiter bosan melihat analisis Titanic dan Iris. Berikut jenis projek yang jauh lebih meyakinkan, semuanya bisa dikerjakan tanpa akses data perusahaan:
- Analisis retensi & kohort e-commerce. Ambil dataset transaksi publik, hitung repeat purchase rate per bulan kohort, lalu simpulkan bulan ke berapa pelanggan biasanya berhenti dan promo seperti apa yang masuk akal.
- Segmentasi pelanggan RFM. Recency, Frequency, Monetary — output-nya konkret: daftar segmen dan perlakuan marketing yang disarankan untuk tiap segmen.
- Dashboard operasional. Buat dashboard Looker Studio untuk UMKM sungguhan (warung kopi, toko online teman). Data kecil, tapi konteksnya nyata dan ada pengguna aslinya.
- Data cleaning yang berantakan. Dataset publik pemerintah sering kotor: format tanggal campur, nama daerah tidak konsisten. Dokumentasikan proses pembersihannya — ini pekerjaan harian analyst yang jarang dipamerkan orang.
- Analisis A/B test. Simulasikan atau gunakan data eksperimen publik, hitung signifikansi, dan tulis keputusan yang kamu ambil beserta risikonya.
Cara Menulis Projek: ❌ vs ✅
Isi projeknya bisa sama persis, tapi cara menulisnya menentukan apakah recruiter berhenti atau lanjut scroll.
| Elemen | ❌ Cara umum | ✅ Cara yang dilirik |
|---|---|---|
| Judul projek | "Analisis Data Penjualan" | "Kenapa 62% pelanggan baru tidak belanja lagi setelah bulan pertama?" |
| Deskripsi | "Menggunakan Python dan pandas untuk mengolah data." | "12.000 transaksi, 18 bulan. Cleaning duplikat & kode produk tidak konsisten, lalu analisis kohort bulanan." |
| Hasil | "Dibuat grafik dan dashboard." | "Retensi bulan ke-2 hanya 38%; kategori aksesoris paling loyal. Rekomendasi: bundling aksesoris pada pembelian pertama." |
| Bukti | Screenshot notebook penuh kode. | Satu grafik utama + tautan "Lihat notebook di GitHub". |
Polanya sederhana: pertanyaan bisnis di depan, angka di tengah, rekomendasi di akhir. Itu cara analyst senior menulis, dan itulah yang membuat kamu terlihat siap kerja.
Contoh Portfolio yang Bisa Kamu Tiru Strukturnya
Contoh berikut bukan portfolio data, tapi perhatikan kerangkanya: hero dengan positioning jelas, about singkat, featured works yang terstruktur, skill tags yang mudah dipindai, dan kontak yang bisa langsung diklik. Kerangka yang sama tinggal kamu isi dengan projek analisis.
Ling Lee — contoh portfolio personal yang rapi
Lima blok dijalankan dengan disiplin, tanpa dekorasi berlebihan. Untuk portfolio data analyst, ganti bagian karya visual dengan kartu projek berisi masalah, proses, dan rekomendasi.
Tips Spesifik untuk Portfolio Data
- Tulis untuk orang non-teknis. Pembaca pertama sering HR, bukan lead data. Satu kalimat ringkasan di awal tiap projek menyelamatkan kamu.
- Sebut ukuran data dan durasi. "12.000 baris, 18 bulan, dikerjakan 2 minggu" membuat klaim terasa nyata.
- Jujur soal keterbatasan. Menulis "data tidak mencakup channel offline, jadi kesimpulannya terbatas pada online" justru menaikkan kredibilitas.
- Satu grafik utama per projek. Grafik yang bisa dipahami dalam lima detik mengalahkan sepuluh chart tanpa narasi.
- Jangan pakai data rahasia perusahaan. Anonimkan angka atau gunakan data publik. Recruiter memperhatikan etika data.
- Perbarui tiap selesai projek. Portfolio yang hidup menandakan kamu masih berlatih.
Cara Membuatnya dalam 60 Detik
Tidak perlu coding, hosting, atau domain berbayar. Tiga langkah:
- Daftar gratis: buat akun PortfolioLink, tanpa kartu kredit.
- Isi lima blok di atas: Hero, About, Featured Projects, Skills, Contact — semuanya sudah tersedia sebagai form yang tinggal diisi.
- Publish dan bagikan satu link:
portfoliolink.id/u/nama-kamu— pasang di CV, LinkedIn, dan email lamaran.
Kalau kamu baru lulus, mulai dari panduan portfolio fresh graduate. Ingin portfolio kamu juga ditemukan lewat Google? Baca SEO portfolio website 2026. Masih menimbang platform? Bandingkan di daftar situs portfolio gratis terbaik, atau pelajari dasarnya di cara membuat portfolio online.
FAQ
Berapa projek yang harus ada di portfolio data analyst?
Tiga sampai lima projek yang ditulis lengkap jauh lebih kuat daripada sepuluh notebook mentah. Idealnya satu projek cleaning data berantakan, satu analisis bisnis dengan rekomendasi, dan satu dashboard interaktif.
Apakah projek dari dataset publik seperti Kaggle boleh dipakai?
Boleh, asal kamu tidak sekadar mengulang tutorial. Ambil dataset publik, ajukan pertanyaan bisnismu sendiri, lalu tulis temuan dan rekomendasinya. Yang dinilai adalah cara berpikir, bukan asal datanya.
Perlukah menampilkan kode di portfolio?
Cukup tautkan ke GitHub atau notebook. Halaman portfolio dipakai untuk menjelaskan masalah, pendekatan, dan dampak; kode adalah lampiran bagi yang ingin memverifikasi.
Berapa biayanya?
Gratis untuk fitur inti — satu link publik, tanpa watermark, tanpa kartu kredit. Untuk theme premium dan font eksklusif tersedia PRO Rp 25.000 sekali bayar seumur hidup. Detail di halaman Pricing.
Mulai dari Satu Projek Hari Ini
Kamu tidak perlu menunggu punya lima projek sempurna. Publish satu projek yang ditulis rapi, lalu tambah satu per satu setiap kali selesai belajar. Yang membedakan kandidat data bukan jumlah sertifikat, tapi bukti bahwa angka di tanganmu berubah jadi keputusan.