Profil singkat
Membuat data lebih bermakna dan mudah ditindaklanjuti.
Mahasiswa S1 Sains Data Universitas Negeri Surabaya yang tertarik pada pengembangan model prediktif, analisis statistik, dan visualisasi untuk menjembatani data dengan keputusan.
Mahasiswa Sains Data · UNESA
Mengubah data menjadi insight yang berdampak.
Halo, saya Bima Sena. Saya berfokus pada Data Analytics, Machine Learning, dan visualisasi data—membangun solusi berbasis data mulai dari forecasting hingga klasifikasi dan dashboard interaktif.
Surabaya, Indonesia S1 Sains Data, semester 5
Data in motion Explore · Analyze · Build
Data bukan sekadar angka. Temukan ceritanya.
Model performance · sample visualML / Analytics
96.67%Akurasi klasifikasi citra
91.2%F1-score model NLP
3.61IPK saat ini
Curious by nature.Analytical by practice.
4Proyek data dan machine learning
Juara 2Kompetisi UI/UX DIMASTI tingkat nasional
DashboardVisualisasi data interaktif
End-to-endDari data mentah ke insight
01 / Tentang saya
Perpaduan analisis,
logika, dan rasa ingin tahu.
Saya senang mencari pola di balik data, menguji pendekatan secara terukur, lalu menyajikan hasilnya agar lebih mudah dipahami dan digunakan untuk mengambil keputusan.
Cara saya bekerja
Eksplorasi, eksperimen, evaluasi, lalu komunikasikan.
Dengan Python dan R, saya mengeksplorasi data, membangun serta membandingkan model, dan menyusun dashboard interaktif agar temuan analisis bisa dikomunikasikan dengan jelas. Saya juga terus mengembangkan kemampuan problem solving dan kolaborasi melalui proyek, organisasi, serta kegiatan mahasiswa.
Berbasis buktiMenguji model dengan metrik evaluasi.
Berorientasi penggunaMemperhatikan kejelasan insight dan visualisasi.
02 / Proyek pilihan
Eksperimen yang menjadi solusi.
Beberapa proyek yang mengeksplorasi forecasting, computer vision, NLP, dan segmentasi—dengan fokus pada proses analisis serta evaluasi hasil.
Menampilkan 4 proyek
PROJECT / 01TIME SERIES
Retail Sales Forecasting
Membangun prediksi penjualan harian kategori retail dan membandingkan SARIMAX dengan variabel eksternal terhadap LSTM. Dashboard interaktif dibuat menggunakan Streamlit.
80.6% → 44.6% MAPEPenurunan MAPE pada kategori Produce menggunakan LSTM.
SARIMAXLSTMTime SeriesStreamlit
PROJECT / 02COMPUTER VISION
Identifikasi Penyakit Daun Tanaman
Klasifikasi citra ke dalam 3 kelas menggunakan SVM dengan 93 fitur handcrafted: Color Moments, HSV Histogram, GLCM, dan LBP. Kernel RBF dibandingkan dengan Linear sebagai baseline.
96.67% akurasi uji96.91% pada 5-Fold Cross Validation.
PythonSVMFeature EngineeringRBF Kernel
PROJECT / 03NATURAL LANGUAGE PROCESSING
Deteksi Cyberbullying Berbasis NLP
Mengklasifikasikan konten cyberbullying dari teks menggunakan Natural Language Processing, lalu membandingkan Logistic Regression dan Naïve Bayes.
91.2% F1-scoreAkurasi Logistic Regression 90.7%, melampaui Naïve Bayes pada F1-score.
NLPLogistic RegressionNaïve BayesClassification
PROJECT / 04CLUSTERING & DASHBOARD
Segmentasi Nasabah Kartu Kredit
Dashboard analisis multivariat terhadap 8.950 nasabah yang mencakup distribusi data, heatmap korelasi, filter dinamis, K-Means clustering, dan PCA.
4 segmen nasabahSilhouette score terbaik 0,2593 menggunakan K-Means.
K-MeansPCAEDAInteractive Dashboard
Angka performa ditampilkan sesuai ringkasan yang tercantum pada CV. Hasil model dapat berbeda antar kategori dan dataset.
03 / Keahlian
Toolkit untuk mengolah data.
Kombinasi pemrograman, statistika, machine learning, dan komunikasi membantu saya mengerjakan proses analisis dari eksplorasi hingga penyajian hasil.
Skill stack
Teknis, analitis, dan komunikatif.
Fokus saya adalah menghubungkan pemodelan dengan kebutuhan analisis, lalu menyampaikan temuan lewat visualisasi yang mudah dimengerti.
Fokus: Data Analytics & Machine Learning
Bahasa pemrograman
PythonR (Statistik)SQL
Analisis & visualisasi
Data AnalysisData VisualizationInteractive DashboardData Mining
Machine learning
ClassificationRegressionForecastingClusteringComputer VisionNLP
Soft skills
Analytical ThinkingProblem SolvingCommunication
04 / Pendidikan & pengalaman
Terus belajar, sambil berkontribusi.
Pembelajaran akademik berjalan berdampingan dengan pengalaman organisasi, kepanitiaan, kompetisi, dan pengabdian masyarakat.
Pendidikan
Fondasi akademik dan pengembangan kompetensi.
Universitas Negeri Surabaya
IPK 3,61. Mata kuliah pendukung meliputi Machine Learning, Data Mining, Data Warehouse, Statistika, Big Data, Deep Learning, Calculus, dan Data Visualization.
Juara 2 Kompetisi UI/UX DIMASTI tingkat nasionalDiselenggarakan oleh FMIPA Universitas Nasional; merancang aplikasi interaktif dengan fokus pada pengalaman pengguna dan fungsionalitas.
Organisasi & kontribusi
Kolaborasi, komunikasi, dan dampak sosial.
Organisasi Pusat Penguatan Karakter
Mengelola program kewirausahaan mahasiswa dan mendukung webinar nasionalisme, kegiatan sosial, personal branding, serta partisipasi PMW dan kompetisi nasional.
Pekan Raya Mahasiswa
Menangani peliputan, dokumentasi, perizinan, dan koordinasi eksternal pada rangkaian acara yang diikuti lebih dari 10.000 mahasiswa.
Pengabdian Masyarakat FUN – FMIPA UNESA
Program lintas bidang selama 7 hari: sosialisasi UMKM, pengelolaan sampah, dan peternakan; mengajar siswa SD, menyusun modul ajar, serta kegiatan sosial bersama warga.
05 / Mari terhubung
Punya ide atau proyek berbasis data?
Saya terbuka untuk diskusi, kolaborasi, dan kesempatan belajar maupun berkontribusi di bidang data analytics dan machine learning.