Halo, saya .

Mengembangkan sistem otomasi data berbasis Python untuk mengolah laporan penjualan mentah dari Luna POS menjadi laporan performa penjualan yang terstruktur dan siap pakai bagi manajemen Kunuku Baby Food.Fitur & Pencapaian Utama:• Automated Performance Analytics: Merancang skrip 'generate_top_bottom_sales.py' untuk secara otomatis mengidentifikasi produk dengan performa penjualan tertinggi (Top Sales) dan terendah (Bottom Sales) secara akurat.• Smart Categorization: Mengimplementasikan logika pengelompokan data berdasarkan kategori produk untuk memudahkan analisis tren pasar dan pengambilan keputusan strategis.• Data Cleaning & Transformation: Mengotomatisasi proses pembersihan data (data cleaning) dan filterisasi dari format CSV/Excel mentah, mengeliminasi proses manual yang memakan waktu.• Custom Rules Integration: Membangun sistem aturan kategori yang dinamis untuk memastikan sinkronisasi data tetap akurat meskipun terdapat penambahan produk baru.• Efficiency Improvement: Mengurangi waktu pemrosesan laporan bulanan hingga 90% dibandingkan metode manual, sekaligus meminimalisir risiko 'human error'.

Mengembangkan skrip otomatisasi berbasis Python untuk sinkronisasi stok antara dokumen Surat Jalan Gudang (Excel) dan sistem Luna POS guna meningkatkan efisiensi serta akurasi operasional inventaris perusahaan.Fitur & Kontribusi Utama:• Auto Mapping & Smart Formatting: Merancang skrip untuk mencocokkan SKU/Nama produk secara otomatis dari Surat Jalan ke database Luna POS, serta menerapkan standarisasi penamaan produk (Single Source of Truth).• Smart Detection: Mengimplementasikan sistem adaptif untuk mendeteksi lokasi baris header dan pemetaan kolom (ID, Nama, Qty, Harga) menggunakan alias cerdas.• Rekonsiliasi & Audit Konflik: Menerapkan metode Ground Truth Reconciliation untuk memastikan akurasi data 100% (selisih input vs output wajib nol), dilengkapi fitur deteksi otomatis untuk duplikasi SKU atau konflik ID vs Nama.• Bulk Processing & Export: Mengotomatisasi pembuatan file Excel siap impor untuk template Warehouse Transfer (mutasi stok cabang) dan registrasi produk baru secara massal.• File Management & Anti-Crash: Membangun mekanisme pengarsipan otomatis per cabang dan penanganan error terisolasi jika file dokumen sedang terkunci oleh program lain.Dampak: Mengeliminasi proses input manual secara bulk, mempercepat waktu pemrosesan dokumen logistik, dan meminimalkan risiko kesalahan pencatatan stok antar-cabang.

Mengembangkan platform edukasi berbasis Artificial Intelligence (AI) untuk membantu pengguna mempelajari dan mengenali isyarat tangan huruf Hijaiyah secara real-time. Proyek ini menggabungkan Computer Vision dengan teknologi web modern untuk menciptakan pengalaman belajar yang interaktif.Fitur & Teknis Utama:• Deep Learning Integration: Mengimplementasikan model MobileNetV2 yang dioptimalkan untuk klasifikasi gesture tangan huruf Hijaiyah, memberikan keseimbangan antara akurasi tinggi dan performa ringan.• Real-time Web Recognition: Mengintegrasikan TensorFlow.js ke dalam framework Next.js 14 untuk menjalankan pemrosesan AI langsung di sisi client (browser), menjamin privasi data dan latensi rendah.• Optimized Pipeline: Membangun sistem deteksi tangan otomatis dan pipeline klasifikasi yang responsif untuk mengenali berbagai variasi gestur tangan secara dinamis.• Modern Tech Stack: Menggunakan Next.js untuk antarmuka yang cepat dan SEO-friendly, serta Vercel untuk deployment yang andal.• Edu-Tech Focus: Dirancang sebagai solusi inklusif untuk memperkecil hambatan komunikasi dan memodernisasi cara belajar bahasa isyarat Arab.Dampak: Memberikan alat bantu belajar mandiri yang dapat diakses siapa saja melalui browser tanpa memerlukan perangkat keras tambahan yang mahal.

Mengembangkan solusi Machine Learning end-to-end sebagai Tugas Akhir program Internship Data Scientist di Rakamin Academy bersama Home Credit Indonesia. Proyek ini berfokus pada pembangunan model Credit Scorecard untuk memprediksi Probability of Default (PD) guna memperluas inklusi keuangan bagi populasi 'unbanked'.Kontribusi & Workflow Teknis Utama:• Data Integration & Cleaning: Menggabungkan dan mengolah dataset relasional yang kompleks menggunakan Python (Pandas/Numpy), serta menangani imbalanced data.• Feature Engineering (WoE & IV): Menerapkan teknik Weight of Evidence (WoE) dan Information Value (IV) untuk menyeleksi fitur yang paling prediktif terhadap risiko gagal bayar.• Predictive Modeling: Mengevaluasi berbagai algoritma klasifikasi seperti Logistic Regression, Random Forest, dan LightGBM untuk menemukan model dengan performa terbaik.• Evaluation Metrics: Mencapai akurasi dan nilai AUC-ROC yang tinggi (99% pada Random Forest), menjamin pemisahan yang kuat antara nasabah berisiko rendah dan tinggi.• Business Insight & Strategy: Menghasilkan rekomendasi strategis berdasarkan segmentasi nasabah (seperti status pernikahan dan tipe pendapatan) untuk optimalisasi kampanye marketing dan mitigasi risiko.• Scorecard Development: Mentransformasi probabilitas model ke dalam format Scorecard standar industri untuk memudahkan pengambilan keputusan kredit yang cepat dan akurat.Dampak: Menyediakan kerangka kerja berbasis data untuk meningkatkan efisiensi persetujuan pinjaman sekaligus menjaga kesehatan portofolio kredit perusahaan.

Membangun platform digital resmi untuk SAMBALU BENUR, pusat distribusi bibit udang Vaname dan Nener (bandeng) terkemuka di Kabupaten Pangkep, guna mendigitalisasi rantai pasok dan memudahkan petambak dalam mendapatkan bibit unggul.Fitur & Kontribusi Utama:• Modern Landing Page: Merancang antarmuka web yang responsif dan elegan menggunakan React.js dan Tailwind CSS untuk memperkuat brand image pusat distribusi di era digital.• Performance Optimized: Menggunakan Vite sebagai build tool untuk memastikan waktu pemuatan halaman yang instan, memberikan pengalaman pengguna yang mulus bagi petambak yang mengakses via perangkat mobile.• Type-Safe Development: Mengimplementasikan TypeScript untuk membangun struktur kode yang kuat, meminimalisir bug, dan memudahkan pemeliharaan jangka panjang.• Informative Product Showcase: Menyediakan katalog informasi produk bibit unggul yang terstruktur, memudahkan calon pembeli dalam membandingkan kualitas dan spesifikasi bibit.• Contact & Location Integration: Mengintegrasikan fitur navigasi lokasi dan akses komunikasi langsung untuk memangkas jarak antara distributor dan petambak lokal.

Mengembangkan aplikasi berbasis Python untuk mengotomatisasi proses pengumpulan dataset gambar guna melatih model Computer Vision (CV), yang secara signifikan mempercepat fase persiapan data dalam siklus Machine Learning.Fitur & Kontribusi Utama:• Streamlined Image Capture: Membangun sistem akuisisi gambar berbasis OpenCV yang memungkinkan pengambilan ribuan sampel data secara cepat dengan kontrol keyboard sederhana.• Mirror Effect Integration: Mengimplementasikan fitur auto-flip horizontal pada tampilan kamera untuk memudahkan pemosisian objek secara intuitif oleh pengguna (user-friendly positioning).• Real-time Automated Counter: Merancang fitur penghitung otomatis yang melacak jumlah gambar per kelas secara langsung, memastikan distribusi dataset yang seimbang (balanced dataset).• Dynamic Directory Management: Mengotomatisasi pembuatan struktur folder dan penamaan file berdasarkan kelas objek, mengeliminasi proses sortir manual yang memakan waktu.• Lightweight & Portable: Dirancang menggunakan library OpenCV-Python agar dapat berjalan efisien di berbagai perangkat dengan konsumsi sumber daya minimal.Dampak: Memangkas waktu pembuatan dataset manual hingga 70% dan meningkatkan konsistensi kualitas gambar untuk pelatihan model deteksi objek atau klasifikasi gambar.