Imanuel Puspa Wardaya: The Analytical Ledger

HALAMAN DEPAN // LAPORAN UTAMA DISPATCH NO. 01-A DIVERIFIKASI UNTUK PUBLIKASI UMUM

Membuat data dan sistem bekerja nyata.

Mengolah persoalan risiko dan analitik portofolio menjadi model yang terukur, alur kerja otomatis yang dapat diandalkan, serta perangkat lunak web local-first yang berkinerja seketika tanpa jeda jaringan.

OLEH IMANUEL PUSPA WARDAYA / MEJA REDAKSI ANALITIK RISIKO & SISTEM

DIPUBLIKASIKAN DARI JAKARTA, INDONESIA • OKTOBER 2026

Di tengah maraknya automasi serba instan dan janji-janji pemasaran kecerdasan buatan, tantangan fundamental operasional perbankan dan analitik tetap sama: bagaimana memastikan data diproses secara jujur, model kredit diuji secara ketat, dan sistem yang dibangun benar-benar menyelesaikan beban kerja manusia sehari-hari.

Pendekatan saya bertumpu pada disiplin ganda: ketelitian kuantitatif dalam membaca dinamika risiko kredit institusional (dari kurva vintage hingga segmentasi scorecard), serta keterampilan teknis dalam merekayasa sistem web local-first yang cepat, berdaya tahan tanpa koneksi jaringan, dan mudah dioperasikan.

Baca Liputan Utama ↓ Kirim Kawat / Kontak

GMBR. 01: Imanuel Puspa Wardaya • Meja Redaksi Risiko & Sistem, Jakarta.

OFFICIAL RELEASE • PWA VERIFIED ARTIFACT

SPESIFIKASI: LOCAL-FIRST // INDEXEDDB + SUPABASE SYNC

KARYA PILIHAN UNGGULAN

Takar

Tahu yang kamu punya. Beli saat perlu.

Aplikasi web progressive (PWA) untuk pencatatan inventaris rumah tangga dan manajemen pengeluaran finansial. Dirancang dengan pendekatan local-first berbasis IndexedDB untuk kecepatan seketika tanpa jeda jaringan, dilengkapi sinkronisasi awan real-time dengan Supabase, serta mendukung kolaborasi multi-ruang (Pribadi & Rumah Tangga).

Mode Barang & Belanja Pencatatan stok rumah, lokasi penyimpanan, status beli lagi, dan estimasi biaya daftar belanja otomatis.

Mode Uang & Integrasi Kas Pencatatan pengeluaran harian, rekapitulasi kategori, dan konfirmasi belanja yang langsung terhubung ke kas.

Berkas Riset & Pengujian Portofolio

Dokumentasi metodologis pemodelan kredit, kurva vintage, ambang batas toleransi, dan pipeline analitik otomatis.

BERKAS REF: MOD-02 // SCORECARD AUDITED

Credit Scoring & Segmentasi

Mengembangkan dan mengevaluasi pendekatan penilaian risiko kredit nasabah, termasuk eksperimen segmentasi model per area geografi serta pemantauan stabilitas model berkala.

CATATAN TEKNIS [1]: Evaluasi stabilitas menggunakan metrik AUC dan Population Stability Index (PSI).

Python
XGBoost
Optuna

BERKAS REF: MOD-03 // VINTAGE TIME-SERIES

FPD to NPL Vintage Curves

Mengkaji korelasi indikator keterlambatan pembayaran awal (First Payment Default) terhadap probabilitas kredit bermasalah jangka panjang melalui rekayasa fitur berbasis waktu.

CATATAN TEKNIS [2]: Deteksi dini pelemahan kualitas kredit nasabah pada cohort vintage 30 hingga 90 hari.

Python
LightGBM
scikit-learn

BERKAS REF: MOD-04 // THRESHOLD POLICY

Risk Appetite & Batas Kebijakan

Menyusun metodologi analitik untuk menerjemahkan indikator profil risiko portofolio, membandingkan ambang batas toleransi, dan mendokumentasikan dasar pertimbangan manajerial.

CATATAN TEKNIS [3]: Penentuan batasan cut-off risiko dan permodelan mitigasi potensi credit impairment.

Python
Pandas
statsmodels

BERKAS REF: MOD-05 // DATA PIPELINE ZERO-FAIL ETL

Otomasi Alur Kerja Laporan Harian

Merancang alur kerja data berkala yang mengotomatisasi penarikan data, audit konsistensi angka, pembuatan berkas laporan manajerial, dan distribusi terjadwal tanpa intervensi manual.

CATATAN TEKNIS [4]: Otomasi batch terjadwal dengan rekonsiliasi data otomatis sebelum distribusi berkas.

Airflow
Docker
n8n

BERKAS REF: MOD-06 // EXECUTIVE VIEW SELF-SERVE

Dashboard Analitik Operasional Metabase

Menyusun dasbor interaktif untuk memantau tren keterlambatan pembayaran. Merancang, mengoptimalkan, dan memvalidasi query SQL analitik serta struktur filter data terdistribusi.

CATATAN TEKNIS [5]: Dasbor self-serve analitik dengan eksekusi query Trino SQL performa tinggi.

Metabase
SQL
Trino

Catatan: Ringkasan proyek pemodelan dan analitik risiko institusional disajikan pada tingkat umum untuk mematuhi etika kerahasiaan data internal.

KLASIFIKASI KEAHLIAN & ALAT REKAYASA SISTEM REKORD VERIFIKASI: 2026

KATEGORI 01 // DATA SCIENCE

Pemodelan risiko, machine learning, komputasi kuantitatif, dan optimasi hiperparameter.

Python
SQL
scikit-learn
TensorFlow
XGBoost
LightGBM
CatBoost
Optuna
Pandas
NumPy
statsmodels

KATEGORI 02 // PIPELINE & INTEL

Orkestrasi alur kerja berkala, kontainerisasi, pemrosesan terdistribusi, dan visualisasi manajerial.

Apache Airflow
Docker
Trino SQL
Metabase
n8n
FastAPI
Streamlit
GitHub

KATEGORI 03 // CLIENT & WEB SYSTEMS

Aplikasi web modern, arsitektur local-first, basis data lokal peramban, dan sinkronisasi awan.

Modern JavaScript (ES Modules)
IndexedDB
Supabase
Progressive Web Apps (PWA)
Cloudflare Pages

Credit Risk & Data Analyst

PT Smart Multi Finance • Kantor Pusat Jakarta

JABATAN AKTIF

PERIODE: APRIL 2024 / SEKARANG

PILAR 01: ANALISIS PORTOFOLIO & SCORECARD

Mengevaluasi distribusi skor kelayakan kredit dan segmentasi debitur untuk memitigasi potensi risiko gagal bayar sebelum kontrak disetujui.

PILAR 02: PEMODELAN DINI & KURVA VINTAGE

Memantau pergerakan keterlambatan pembayaran angsuran pertama (FPD) hingga NPL melalui pelacakan kohort vintage bulanan.

PILAR 03: PERANCANGAN RISK APPETITE & CUT-OFF

Membantu perumusan batas toleransi risiko portofolio dan penentuan credit cut-off yang seimbang antara target pertumbuhan dan risiko kerugian.

PILAR 04: OTOMASI ALUR DATA & DASBOR EKSEKUTIF

Mengembangkan query analitik Trino SQL berkinerja tinggi, dasbor Metabase mandiri, dan otomasi pipeline laporan harian via Airflow.

REGISTRASI KONTRIBUSI KODE RESMI

Aktivitas Repositori & Komit Kode

26 kontribusi tercatat dalam 12 bulan terakhir.

Lihat GitHub (@notyourcircle) ↗

Dokumentasi metode perhitungan kontribusi GitHub ↗

Grafik kontribusi GitHub untuk notyourcircle

“Berpikir jernih sebelum memodelkan. Membangun dengan tujuan yang dapat dipertanggungjawabkan.”

ESAI KHUSUS OLEH IMANUEL PUSPA WARDAYA • DITERBITKAN DI JAKARTA

“Sistem yang baik tidak diciptakan untuk memamerkan kerumitan kosmetik, melainkan untuk mengubah ketidakpastian data operasional menjadi keputusan yang terukur dan terpercaya.”

Bagi saya, analisis risiko dan rekayasa perangkat lunak bukanlah dua ranah yang terpisah. Keduanya bertumpu pada satu prinsip yang sama: kejujuran terhadap kenyataan operasional. Model statistik secanggih apa pun tidak akan berguna jika dibangun di atas asumsi data yang keliru, dan aplikasi web modern tidak akan bernilai jika lambat serta rapuh saat jaringan terputus.

Dalam pekerjaan sehari-hari di bidang risiko kredit institusional, saya terbiasa menelusuri anomali pada tingkat transaksi, mengaudit kestabilan skor, dan mendengarkan kebutuhan tim lapangan agar kebijakan risiko yang dirancang benar-benar dapat dieksekusi.

Ketika membangun perangkat lunak web seperti Takar, etos yang sama saya bawa ke dalam arsitektur: mengutamakan pendekatan local-first dengan IndexedDB agar pengguna tidak pernah disandera oleh jeda jaringan atau kegagalan server, kemudian melapisinya dengan sinkronisasi awan yang tenang dan dapat diandalkan.

Ditandatangani,
IMANUEL PUSPA WARDAYA
Praktisi Data, Risiko & Rekayasa Sistem Web

KORESPONDENSI TERBUKA

Mari Bertukar Pikiran & Membangun Kolaborasi.

Jika Anda ingin berdiskusi mengenai arsitektur pemodelan risiko kredit, otomasi data pipeline institusional, atau pengembangan aplikasi web modern yang tangguh, ruang kawat ini selalu terbuka untuk Anda.

Kirim Pesan Kawat / Email →

Jaringan Resmi: LinkedIn ↗ GitHub ↗ Instagram ↗