Buka menu

Valentino Allen Prasetyo

Saya membangun proyek machine learning dan software yang membuatnya bisa dipakai.

Mahasiswa Computer Science (AI) di BINUS. Saya menggarap proyek ML dari awal sampai jadi, dan sudah merilis dua website klien.

Lihat proyekUnduh CV (English)

Magang AI Engineer & Data Scientist, mulai Feb 2027Jakarta / TangerangLulus 2028

Membaca ulasan berbahasa Indonesia, satu aspek setiap kali.

Proyek mata kuliah NLP, tim 2 orang. Paper mata kuliah, tidak dipublikasikan.

IndoBERT, di-fine-tune untuk menilai lima aspek di tiap ulasan.

  1. Baca ulasan
  2. Temukan aspeknya
  3. Nilai satu per satu

“pengiriman sangat lama hampir semingguPengiriman tapi harganya murahHarga dan barangnya berkualitas bagusKualitas produk”

  • Kualitas produkPositif98,7%
  • HargaPositif98,4%
  • PengirimanNegatif96,2%
  • Layanan penjualTidak disebut98,9%
  • KemasanTidak disebut98,3%

Walkthrough output model yang sebenarnya. IndoBERT, 7 Okt 2026. Penanda frasa ditambahkan manual.

0,90

Recall untuk aspek yang tidak pernah disebut dalam ulasan. Untuk aspek yang disebut: 0,91.

Macro-F1 sentimen, test set

  • IndoBERT0,794
  • IndoBERTweet0,790
  • TF-IDF + LR0,537
  • TF-IDF + SVM0,345

Kedua model BERT mengungguli baseline (McNemar, p < 0,001).

Peran saya

Fine-tuning, evaluasi, dan analisis error.

Titik lemah

Hanya ada 9 pasangan netral dan 10 penyebutan harga di test set.

Dibuat dengan

IndoBERT, IndoBERTweet, TF-IDF, Streamlit. 1.500 ulasan dilabeli manual.

Baca studi kasusTonton demoKode di GitHub

Menandai risiko putus kuliah sejak hari pendaftaran.

Tabular ML, tim 3 orang. Aplikasi Streamlit dan paper mata kuliah.

Risiko putus kuliah dari sepuluh data saat pendaftaran.

Recall
0,838
Porsi mahasiswa putus kuliah yang berhasil ditandai aplikasi.
Precision
0,537
Sekitar 46% mahasiswa yang ditandai ternyata tidak putus kuliah.
  1. Baca profil
  2. Perkirakan risikonya
  3. Bandingkan dengan ambang

Profil bawaan aplikasi

Status pernikahan
Lajang
Program studi
Biofuel Production Technologies
Pendidikan sebelumnya
Pendidikan menengah
Pendidikan ibu
Pendidikan menengah
Pendidikan ayah
Pendidikan menengah
Mahasiswa perantau
Tidak
Kebutuhan khusus
Tidak
Jenis kelamin
Perempuan
Usia saat mendaftar
18
Mahasiswa internasional
Tidak

34,0%Estimasi peluang putus kuliah

Ambang review 40%

Di bawah ambang: tidak ditandai.

Walkthrough output model yang sebenarnya. Random Forest, aplikasi live, 4 Okt 2026.

Paper riset

Hanya data sebelum penerimaan. XGBoost paling baik, F1 0,667. Grafiknya saya yang membuat.

Grafik batang sepuluh fitur XGBoost yang paling berpengaruh pada setting Background-Application
Fig. 2. Top-10 feature importance XGBoost (Background-Application). Grafik oleh Allen.
Distribusi probabilitas putus kuliah hasil prediksi untuk mahasiswa Graduate dan Dropout
Fig. 3. Distribusi probabilitas prediksi XGBoost. Grafik oleh Allen.

Peran saya

Melatih model dan menyetel threshold 0,40-nya. Membuat grafik untuk paper.

Titik lemah

Hanya satu dataset publik. Setiap tanda perlu ditinjau manusia.

Dibuat dengan

scikit-learn, XGBoost, Streamlit. Dataset UCI, 3.630 mahasiswa.

Baca studi kasusBuka aplikasiBaca paper (PDF)

Mungkin perlu beberapa saat untuk aktif.

Mengukur kaki dari satu foto dan sebuah kartu bank.

Proyek mata kuliah computer vision, tim 5 orang.

Sebuah foto tidak punya skala. Kartu dengan ukuran yang sudah diketahui menyelesaikannya.

Peran saya

Frontend dan sebagian backend.

Titik lemah

Akurasinya belum divalidasi. Lantai yang gelap atau bermotif membuat pengukuran gagal.

Dibuat dengan

Python, OpenCV, dan FastAPI.

  1. Temukan kartunya
  2. Koreksi perspektif
  3. Ukur dan klasifikasikan
85,60 mmpanjang (mm)lebar (mm)

Lebar ÷ panjang menentukan fit: narrow, normal, atau wide.

Ilustrasi metodenya. OpenCV klasik, tanpa neural network.

Baca studi kasusBuka demoKode di GitHub

Hosting gratis, jadi butuh sekitar satu menit untuk aktif.

Dibuat untuk klien

Halaman katalog Nata Teknik: pencarian, filter merek, dan daftar alat teknik beserta harganya (447 produk)

Nata Teknik

Toko alat teknik · Bali · 2025

Katalog produk online yang dioptimalkan untuk SEO, pengganti katalog yang dulu dikirim manual lewat WhatsApp.

“Allen membangun website kami dari nol dengan sangat rapi. Strukturnya jelas, dan tim kami bisa update konten sendiri tanpa harus balik ke developer.”

Evan NataOperations Manager, Nata Teknik
natateknik.com
Beranda Pradipa Indonesia: tiga cardholder kulit di atas bangku kayu, di samping judul “Handcrafted Elegance.”
Landing page Pradipa Indonesia di layar ponsel

Pradipa Indonesia

Produk kulit · Surabaya · 2025

Landing page brand untuk lini dompet kulit buatan tangan.

“Hasilnya oke banget. Pengurusan web sama Allen juga fast respon, dan hasil webnya sangat memuaskan. Revisi juga sangat cepat.”

Owen GabrielCEO, Pradipa Indonesia
pradipaindonesia.com

Tentang saya dan kontak

Computer Science (AI) di BINUS University, Tangerang. IPK 3,47 / 4,00, lulus 2028.

valentinoallen0111@gmail.com

CV (PDF, English)