🔎 Overview #
Mengotomatisasi dan menjadwalkan pipeline data dengan Apache Airflow — skill capstone Data Engineer, mengubah proses ETL manual jadi pipeline production-ready yang berjalan otomatis dan termonitor.
🏷️ Status: Wajib Project — kursus ini adalah endpoint/capstone roadmap Data Engineer, sehingga wajib menghasilkan project portofolio penuh: dokumentasi + GitHub + opsi masuk portfolio.edusoftcenter.com.
Prasyarat: Kursus Data Warehouse & ETL Fundamentals (wajib).
📚 Struktur Silabus #
Fase A — Tatap Muka (16 Jam, 2 Hari Fullday) #
Hari 1 (8 Jam) #
- Sesi 1 (Teori, 2 jam): Kenapa orkestrasi pipeline dibutuhkan, konsep DAG (Directed Acyclic Graph), arsitektur Airflow (scheduler, worker, webserver).
- Sesi 2 (Praktik Terbimbing, 2 jam): Instalasi Airflow (Docker), membuat DAG pertama, menjalankan task sederhana.
- Sesi 3 (Teori Lanjutan, 2 jam): Task dependency, scheduling (cron), Airflow operators (PythonOperator, BashOperator), penanganan kegagalan (retry, alerting).
- Sesi 4 (Praktik Terbimbing Lanjutan, 2 jam): Mengubah proses ETL dari kursus sebelumnya jadi DAG Airflow dengan beberapa task berurutan.
Hari 2 (8 Jam) #
- Sesi 5 (Latihan Mandiri Terbimbing, 3 jam): Soal berjenjang — membuat DAG dengan dependency lebih kompleks, menambahkan error handling.
- Sesi 6 (Simulasi Mini-Case, 3 jam): Membangun pipeline terjadwal end-to-end (extract harian → transform → load → notifikasi), dibahas bersama.
- Sesi 7 (Review & Evaluasi, 1,5 jam): Recap, diskusi monitoring & best practice production.
- Sesi 8 (Briefing Project Pasca-Training, 0,5 jam): Brief: ubah project ETL dari kursus Data Warehouse & ETL Fundamentals jadi pipeline Airflow terjadwal, tenggat H+14.
Fase B — Pasca-Training (Online, self-paced, tenggat disarankan H+14) #
DAG Airflow berfungsi + screenshot run history + dokumentasi arsitektur, push ke GitHub, submit via dashboard Elearning (edusoftcenter.com/dashboard/) untuk direview. Project yang lolos review bisa diajukan masuk portfolio.edusoftcenter.com.
🛠️ Tools & Software #
- Apache Airflow (Docker), Python
🎯 Output Kompetensi #
Setelah menyelesaikan kursus, peserta mampu:
- Merancang & menjalankan pipeline data terjadwal dengan Airflow.
- Memahami monitoring dan error handling pipeline production-ready.
⏳ Durasi & Mode Kursus #
- Total: 16 Jam (2x sesi fullday @ 8 jam) + Project Pasca-Training mandiri (tenggat H+14)
- Online — live via platform digital, akses rekaman fleksibel.
- Offline (Solo) — tatap muka reguler di lokasi Edusoft.
- Offline Custom Location — tersedia untuk grup/korporat luar kota (hubungi kami untuk penjadwalan).
💰 Biaya Kursus #
- Kelas Reguler: Rp 1.000.000
- Kelas Private: Rp 2.000.000
Tertarik Ikut Kursus Data Pipeline Automation dengan Apache Airflow?
Tanyakan jadwal terdekat, harga, dan cara pendaftaran langsung ke tim kami via WhatsApp.
Atau isi form ini, tim kami yang hubungi Anda balik
Cukup isi nama & no. WhatsApp — kursus sudah terpilih otomatis sesuai halaman ini, tapi bisa diganti.
📅 Jadwal Batch #
Kelas privat tersedia kapan saja — kelas reguler by request, hubungi kami untuk jadwal.
❓ Pertanyaan Umum (FAQ) #
Apa prasyarat sebelum mengikuti Kursus Data Pipeline Automation dengan Apache Airflow? #
Wajib sudah menyelesaikan Kursus Data Warehouse & ETL Fundamentals, karena project di kursus ini adalah mengubah proses ETL dari kursus sebelumnya menjadi DAG Airflow terjadwal.
Apakah kursus ini adalah endpoint roadmap Data Engineer di Edusoft Center? #
Ya, kursus ini adalah capstone roadmap Data Engineer — mengubah proses ETL manual yang dipelajari di kursus sebelumnya menjadi pipeline production-ready yang berjalan otomatis dan termonitor.
Apakah perlu pengalaman DevOps/Docker sebelum belajar Airflow? #
Tidak wajib, instalasi Airflow via Docker akan dipandu langsung di sesi praktik. Fokus kursus tetap pada konsep orkestrasi pipeline data, bukan administrasi infrastruktur Docker tingkat lanjut.
Disusun & direview oleh Komarudin Syarif — Trainer Edusoft Center.
Terakhir diperbarui: 9 Agustus 2026.
