PT Sumber Alfaria Trijaya Tbk (Alfamart)
IT-Filialsupport – Distributionszentrum Semarang
Ich bin Hendra Setyawan, ein IT-Fachmann, der lieber handelt als viele Worte macht. Ich lerne gern Neues, experimentiere und entwickle nützliche digitale Lösungen.
Web Development / AI / Machine Learning / Sistem Informasi
Saya percaya bahwa teknologi terbaik lahir dari rasa ingin tahu, ketekunan, dan keinginan membantu orang lain. Saya suka mempelajari hal baru, merancang sistem, lalu mengubah ide menjadi aplikasi yang dapat digunakan.
Ruang eksplorasi saya mencakup aplikasi web, sistem informasi, digitalisasi layanan, kecerdasan buatan, dan analisis data.
Berufserfahrung im Einzelhandel und Gesundheitswesen.
IT-Filialsupport – Distributionszentrum Semarang
Leiter der Krankenhaus-IT
Leiter der Krankenhaus-IT
Kunden, mit denen ich bei der Entwicklung von Geschäftsanwendungen zusammengearbeitet habe.






Explore Project · Aplikasi dan karya pengembangan.
Machine Learning Classification Dashboard Diabetes Readmission Prediction merupakan aplikasi berbasis web yang dikembangkan menggunakan Python dan Flask untuk menganalisis serta memprediksi kategori kunjungan ulang pasien diabetes ke rumah sakit berdasarkan data historis pelayanan kesehatan. Aplikasi ini menerapkan metode supervised machine learning dengan membandingkan tiga algoritma klasifikasi, yaitu Logistic Regression, Decision Tree, dan Random Forest. Dataset yang digunakan adalah Diabetes 130-US Hospitals for Years 1999–2008, yang berisi 101.766 catatan kunjungan pasien diabetes dari 130 rumah sakit di Amerika Serikat selama periode 1999–2008. Variabel target yang digunakan adalah readmitted, dengan tiga kategori: • NO: Tidak tercatat kembali dirawat. • <30>30: Kembali dirawat setelah lebih dari 30 hari. Tahapan pengolahan data mencakup penanganan data kosong, transformasi variabel kategorikal, pembagian data latih dan data uji dengan proporsi 80:20, pelatihan model, serta evaluasi menggunakan Accuracy, Macro F1, dan Confusion Matrix. Hasil pengujian disajikan melalui dashboard interaktif berupa ringkasan dataset, grafik perbandingan performa algoritma, identifikasi model terbaik, visualisasi Confusion Matrix, serta interpretasi dan kesimpulan otomatis berdasarkan hasil perhitungan. Aplikasi ini bertujuan mendukung pembelajaran Big Data dan Machine Learning, khususnya dalam memahami penerapan algoritma klasifikasi terhadap data pelayanan kesehatan. Hasil prediksi digunakan untuk keperluan analisis akademik, bukan sebagai dasar diagnosis atau keputusan klinis.
UNISBANK Machine Learning is een webgebaseerde applicatie voor geïntegreerde machine learning-analyse en -evaluatie. De applicatie ondersteunt classificatie, regressie, clustering, algoritmevergelijking, ensemble learning, Explainable AI (XAI) en causale inferentie. Hiermee kunnen gebruikers patronen in gegevens ontdekken, modelprestaties evalueren, voorspellingsresultaten verklaren en oorzaak-gevolgrelaties analyseren ter ondersteuning van datagedreven besluitvorming.
Eine webbasierte Inventarverwaltung, die **vollständig mit Python und MySQL entwickelt wurde**. Mit dem Flask-Framework lassen sich Produktdaten, Bestände, Kategorien und Preise strukturiert, schnell und benutzerfreundlich verwalten.
AKREDI.AI ist eine KI-gestützte Plattform für die intelligente Vorbereitung auf die Akkreditierung, die den Prüfprozess von Akkreditierungsdokumenten in Krankenhäusern in einen nachvollziehbaren und handlungsorientierten Workflow umwandelt.
Ein Online-Lernsystem für Lehrer, Dozenten und alle, die Wissen dokumentieren und mit anderen teilen möchten.
Entdecken Sie die Funktionen dieser Online-Shop-Anwendung. Sie eignet sich für Studenten, Programmieranfänger, Entwickler und alle, die lernen möchten, Webanwendungen praktisch zu entwickeln. Auch für kleine und mittlere Unternehmen, die ihre Produkte digital entwickeln und vermarkten möchten, ist sie geeignet. Eine eigene Marke aufzubauen kann vertrauenswürdiger und effizienter sein, als sich ausschließlich auf Marktplätze zu verlassen.
Anwendungen können für geschäftliche oder organisatorische Anforderungen demonstriert und besprochen werden. Preise und Verfügbarkeit richten sich nach dem Bedarf.