Proyek
Setiap proyek yang tampil di sini sudah melalui proses selesai: konteks, metode, hasil, hingga keterbatasannya.
8 proyek ditemukan
Analisis runtun waktu volume kendaraan bulanan pada rute penyeberangan Merak–Bakauheni selama 2023–2024. Menggunakan R, analisis ini mengevaluasi kecenderungan pertumbuhan jangka pendek dan pola musiman yang berulang, dengan volume tertinggi mencapai 820 ribu kendaraan pada April 2024.
820KPuncak volume bulanan
Aplikasi catatan dan flashcard dengan spaced repetition, kuis, mode battle, kalender belajar, dan marketplace deck untuk membantu belajar tetap terstruktur.
189Total Kartu Tersimpan
Package Python untuk eksplorasi data pandas secara cepat dan terstruktur. Satu fungsi bisa menghasilkan overview data, profil tiap kolom, deteksi missing value, duplikat, outlier, korelasi, dan peringatan kualitas data sekaligus. Dirancang agar proses EDA tidak perlu menulis banyak kode berulang.
1 fungsiuntuk profil EDA
Segmentasi pelanggan pada dataset Online Retail II menggunakan pendekatan RFM. Lima algoritma clustering dibandingkan secara objektif lewat validasi internal, bukan dipilih secara manual. Hasil akhirnya membagi pelanggan menjadi dua segmen utama.
5.878pelanggan dianalisis
Prototipe pipeline data untuk mengumpulkan, memverifikasi, dan menganalisis aspirasi publik soal akses pendidikan di Jakarta dan Banten dari media sosial. Data Twitter diproses lewat verifikasi berbasis aturan, analisis sentimen dengan IndoBERT, dan pemodelan topik LDA, lalu dibobot ulang agar tidak didominasi akun tertentu.
Proyek analisis dan prediksi hasil panen padi menggunakan dataset global GDHY. Data berbentuk grid iklim dalam format NetCDF diolah menjadi model prediksi anomali yield. Fokusnya ada di eksplorasi data spasial dan evaluasi model deret waktu.
Sistem machine learning untuk mendeteksi transaksi kartu kredit yang mencurigakan dan memberi skor risiko. Hasilnya membantu tim fraud memprioritaskan transaksi yang perlu diperiksa. Model Extra Trees mencapai presisi 94,83% dan recall 77,46%.
Studi kasus bisnis subscription menggunakan dataset KKBox. Fokusnya bukan hanya memprediksi churn, tapi memahami penyebabnya. Hasilnya diterjemahkan menjadi strategi retensi yang bisa langsung dipakai bisnis.
6 bulanperiode data