Imanuel Puspa Wardaya: The Analytical Ledger

PORTOFOLIO // IMANUEL PUSPA WARDAYA CREDIT RISK & DATA RINGKASAN PROYEK

Credit scoring, laporan risiko, dan aplikasi web.

Saya bekerja dengan data pembiayaan untuk membuat model risiko dan laporan yang diperbarui berkala. Di luar pekerjaan itu, saya membangun Takar untuk mencatat barang dan transaksi rumah tangga.

OLEH IMANUEL PUSPA WARDAYA / RISK PROJECT OFFICER

DIPUBLIKASIKAN DARI JAKARTA, INDONESIA • OKTOBER 2026

Saya menyiapkan data, melatih dan membandingkan model credit scoring, lalu mengelompokkan hasil prediksinya ke segmen risiko. Untuk pemantauan setelah pencairan, saya mengolah riwayat pembayaran menjadi prediksi NPL empat bulan ke depan.

Pekerjaan saya juga mencakup pembaruan data bulanan, laporan risiko harian melalui Airflow, dan query SQL untuk dashboard Metabase. Ringkasan di bawah menjelaskan proses dan keluaran dari masing-masing proyek.

Lihat aplikasi Takar ↓ Hubungi saya

GMBR. 01: Imanuel Puspa Wardaya • Jakarta, Indonesia.

PWA BARANG & UANG

JAVASCRIPT // INDEXEDDB + SUPABASE

APLIKASI PRIBADI

Takar

Tahu yang kamu punya. Beli saat perlu.

Saya membuat Takar untuk mencatat barang di rumah dan transaksi sehari-hari. Pengguna bisa mencari lokasi barang, melihat pemakaian, lalu memasukkan barang yang perlu dibeli ke daftar belanja. Saat mengonfirmasi pembelian, pengguna dapat sekaligus mencatat pengeluarannya. Fitur Rumah untuk berbagi data memerlukan akun.

Barang & daftar belanja Catat lokasi dan pemakaian barang, cek status beli lagi, lalu lihat estimasi biaya belanja.

Pemasukan & pengeluaran Catat transaksi, lihat pengeluaran per kategori, dan temukan catatan yang berasal dari pembelian barang.

Proyek Data & Risiko Kredit

Dari menyiapkan data dan melatih model hingga memperbarui laporan yang digunakan berkala.

BERKAS REF: MOD-02 // CREDIT SCORING PERBANDINGAN MODEL

Credit Scoring & Segmentasi Risiko

Saya membersihkan dan memetakan data pembiayaan, melakukan one-hot encoding pada fitur kategorikal, lalu membandingkan XGBoost, LightGBM, dan CatBoost. Hasil probabilitas default saya kelompokkan menjadi segmen risiko untuk melihat perbedaan profil debitur.

CATATAN TEKNIS [1]: Saya memeriksa AUC, KS, kalibrasi, dan PSI. Eksperimen yang meniru keputusan model acuan saya pisahkan dari evaluasi terhadap default aktual.

Python
XGBoost
LightGBM
CatBoost
Optuna

BERKAS REF: MOD-03 // NPL PREDICTION PREDIKSI NPL

Prediksi FPD ke NPL

Saya memperbarui data historis setiap bulan dengan DuckDB dan Parquet, menggabungkannya dengan riwayat collection, lalu menyiapkan fitur untuk scoring. Model memperkirakan kemungkinan NPL empat bulan ke depan.

CATATAN TEKNIS [2]: Scoring memakai model tersimpan, tanpa label aktual. Keluarannya mencakup probabilitas NPL, alasan SHAP, dan prioritas penanganan.

Python
LightGBM
scikit-learn
DuckDB

BERKAS REF: MOD-04 // THRESHOLD SKENARIO

Analisis Risk Appetite: FPD ke WO

Saya menganalisis hubungan F6PD, NPF, dan write-off dari data bulanan. Saya menguji jeda antarindikator dan regresi dengan expanding backtest, lalu menyusun skenario beserta prediction interval sebagai bahan pembahasan batas risiko.

CATATAN TEKNIS [3]: Notebook memakai istilah NPF. Hasil statistik menjadi bahan analisis; batas appetite dan toleransi memerlukan persetujuan manajemen.

Python
Pandas
statsmodels

BERKAS REF: MOD-05 // DATA PIPELINE AIRFLOW

Otomasi Laporan Risiko Harian

Saya menyusun DAG Airflow yang memeriksa ketersediaan data H-1, menjalankan query Trino, dan membuat tiga workbook Excel: R2 Used, R4 Used, serta R2 New. Sebelum mengirim email, proses memeriksa berkas dan mencatat status pengiriman.

CATATAN TEKNIS [4]: Pemeriksaan sumber dan pembuatan laporan memiliki retry terbatas. Receipt pengiriman digunakan untuk mencegah pengiriman ulang pada cutoff yang sama.

Airflow
Docker
Trino

BERKAS REF: MOD-06 // METABASE SQL + FILTER

Monitoring Risiko di Metabase

Saya menyusun query Trino untuk dashboard Metabase yang memantau F1PD, F3PD, dan F6PD. Query membandingkan periode, menyediakan filter wilayah, cabang, dan produk, serta menyamakan pemetaan cabang agar angka ringkasan mengikuti cakupan filter.

CATATAN TEKNIS [5]: Perhitungan mencakup ringkasan area dan cabang, snapshot H-1, pembanding akhir bulan, serta rasio berdasarkan nominal.

Metabase
SQL
Trino

Ringkasan metode dan alur kerja, tanpa data nasabah atau nilai batas internal. Grafik pada bagian ini adalah ilustrasi, bukan hasil evaluasi model.

TEKNOLOGI YANG SAYA GUNAKAN DATA / LAPORAN / WEB

KATEGORI 01 // DATA SCIENCE

Menyiapkan data, melatih model risiko, dan membandingkan hasil evaluasi.

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

KATEGORI 02 // LAPORAN & DASHBOARD

Menjalankan query, membuat laporan terjadwal, dan menyajikan ringkasan di dashboard.

Apache Airflow
Docker
Trino SQL
Metabase
n8n
FastAPI
Streamlit
GitHub

KATEGORI 03 // CLIENT & WEB SYSTEMS

Membangun antarmuka web, menyimpan data di browser, dan menghubungkan akun melalui Supabase.

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

Risk Project Officer

PT Smart Multi Finance • Kantor Pusat Jakarta

JABATAN AKTIF

PERIODE: DESEMBER 2025 / SEKARANG

01: CREDIT SCORING

Menyiapkan data pembiayaan, membandingkan model klasifikasi, dan mengelompokkan probabilitas default menjadi segmen risiko.

02: PREDIKSI FPD KE NPL

Memperbarui riwayat pembayaran dan collection setiap bulan untuk scoring NPL empat bulan ke depan.

03: ANALISIS RISK APPETITE

Menguji hubungan F6PD, NPF, dan write-off serta menyusun skenario sebagai bahan pembahasan batas risiko.

04: LAPORAN & DASHBOARD

Menyusun query Trino untuk dashboard Metabase dan alur Airflow untuk membuat, memvalidasi, serta mengirim laporan Excel.

KONTRIBUSI GITHUB

Aktivitas Repositori & Komit Kode

26 kontribusi tercatat dalam 12 bulan terakhir.

Lihat GitHub (@notyourcircle) ↗

Dokumentasi metode perhitungan kontribusi GitHub ↗

Grafik kontribusi GitHub untuk notyourcircle

Tentang pekerjaan saya

CATATAN OLEH IMANUEL PUSPA WARDAYA • JAKARTA

Sebagian besar pekerjaan saya dimulai dari data operasional yang perlu disiapkan sebelum bisa dipakai untuk analisis.

Saya bekerja di bidang risiko kredit dengan data pembiayaan dan riwayat pembayaran. Sebelum melatih model, saya membersihkan data, memetakan kategori, dan menyiapkan fitur. Setelah training, saya membandingkan hasil evaluasi dan melihat distribusi segmen risikonya.

Untuk pekerjaan berkala, saya menyiapkan pembaruan data bulanan dan alur laporan harian. Pemeriksaan sumber, tanggal cutoff, dan keluaran laporan menjadi bagian dari proses tersebut.

Di luar analisis risiko, saya membangun Takar. Di aplikasi ini saya mengerjakan pencatatan barang, daftar belanja, dan transaksi, termasuk pilihan untuk mencatat pengeluaran langsung dari pembelian.

IMANUEL PUSPA WARDAYA
Risk Project Officer

EMAIL & LINKEDIN

Hubungi saya

Untuk membahas pekerjaan di bidang credit risk, pemodelan data, atau otomasi laporan, hubungi saya melalui email atau LinkedIn.

Kirim email →

Profil lainnya: LinkedIn ↗ GitHub ↗ Instagram ↗