PT Sumber Alfaria Trijaya Tbk (Alfamart)
Soporte de TI para tiendas – Centro de distribución de Semarang
Soy Hendra Setyawan, un profesional de TI que prefiere los hechos a las palabras. Me gusta aprender, experimentar y crear soluciones digitales útiles.
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.
Experiencia profesional en comercio minorista y atención sanitaria.
Soporte de TI para tiendas – Centro de distribución de Semarang
Jefe de TI del hospital
Jefe de TI del hospital
Clientes que han colaborado en el desarrollo de aplicaciones empresariales.






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 es una aplicación web diseñada para realizar análisis y evaluaciones integrales de aprendizaje automático. La aplicación admite clasificación, regresión, agrupamiento (clustering), comparación de algoritmos, aprendizaje por conjuntos (ensemble learning), inteligencia artificial explicable (XAI) e inferencia causal. Ayuda a los usuarios a descubrir patrones en los datos, evaluar el rendimiento de los modelos, explicar los resultados de las predicciones y analizar las relaciones de causa y efecto para facilitar la toma de decisiones basada en datos.
Una aplicación web de gestión de inventario **desarrollada completamente con Python y MySQL**, utilizando el framework Flask para gestionar datos de productos, existencias, categorías y precios de forma estructurada, rápida y sencilla.
AKREDI.AI es una plataforma de inteligencia para la preparación de la acreditación basada en IA que transforma el proceso de revisión de documentos de acreditación hospitalaria en un flujo de trabajo trazable y orientado a la acción.
Un sistema de aprendizaje en línea diseñado para profesores, instructores y cualquier persona que quiera documentar sus conocimientos y compartirlos con otras personas.
Descubre las funciones de esta aplicación de tienda online. Es adecuada para estudiantes, programadores principiantes, desarrolladores y cualquier persona que quiera aprender a crear aplicaciones web de forma práctica. También es adecuada para pequeñas y medianas empresas que desean desarrollar y comercializar sus productos digitalmente. Crear una marca propia puede ser más confiable y eficiente que depender completamente de los marketplaces.
Las aplicaciones pueden demostrarse y comentarse según las necesidades empresariales u organizativas. El precio y la disponibilidad dependen de los requisitos.