PT Sumber Alfaria Trijaya Tbk (Alfamart)
Support informatique des magasins – Centre de distribution de Semarang
Je suis Hendra Setyawan, professionnel de l’informatique qui préfère agir plutôt que parler. J’aime apprendre, expérimenter et créer des solutions numériques utiles.
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.
Expérience professionnelle dans le commerce de détail et la santé.
Support informatique des magasins – Centre de distribution de Semarang
Responsable informatique hospitalier
Responsable informatique hospitalier
Clients ayant collaboré au développement d’applications métier.






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 est une application web intégrée conçue pour réaliser des analyses et des évaluations en apprentissage automatique. Elle prend en charge la classification, la régression, le clustering, la comparaison d’algorithmes, l’apprentissage ensembliste, l’intelligence artificielle explicable (XAI) et l’inférence causale. Elle aide les utilisateurs à découvrir des modèles dans les données, à évaluer les performances des modèles, à expliquer les résultats des prédictions et à analyser les relations de cause à effet afin de soutenir la prise de décision fondée sur les données.
Une application web de gestion des stocks **entièrement développée avec Python et MySQL**, utilisant le framework Flask pour gérer les données des produits, les stocks, les catégories et les prix de manière structurée, rapide et simple.
AKREDI.AI est une plateforme d’intelligence de préparation à l’accréditation alimentée par l’IA, qui transforme le processus d’examen des documents d’accréditation des hôpitaux en un flux de travail traçable et orienté vers l’action.
Un système d’apprentissage en ligne conçu pour les enseignants, les formateurs et toute personne souhaitant documenter ses connaissances et les partager avec d’autres.
Découvrez les fonctionnalités de cette application de boutique en ligne. Elle convient aux étudiants, programmeurs débutants, développeurs et à toute personne souhaitant apprendre à créer des applications web de manière pratique. Elle convient également aux PME qui souhaitent développer et commercialiser leurs produits en ligne. Construire sa propre marque peut être plus fiable et plus efficace que de dépendre entièrement des marketplaces.
Des démonstrations et échanges sont possibles selon les besoins des entreprises ou organisations. Prix et disponibilité selon les exigences.