Machine Learning / Sistem Operasional Kompetisi - Juara 2

Sistem Prediksi Efisiensi Penjahit & Manajemen Koperasi

Sistem prediksi efisiensi tenaga kerja berbasis machine learning yang digabungkan dengan platform manajemen koperasi untuk keputusan operasional.

Ikhtisar

Sistem dua modul yang menggabungkan machine learning untuk prediksi efisiensi tenaga kerja dengan platform manajemen koperasi. Modulnya mencakup prediksi efisiensi penjahit, dashboard operasional, manajemen penjahit, stok, supplier, dan pembelian.

Masalah

Manajer koperasi kekurangan alat berbasis data untuk membagi pekerjaan ke penjahit paling efisien dan mengelola berbagai fungsi operasional.

Target Pengguna

Manajer koperasi dan staf operasional

Peran Saya

Anggota tim lintas fungsi

Terlibat dalam proses produk, memimpin validasi model finansial dan IRR, berkontribusi pada arsitektur sistem, desain backend dan administrasi, serta mengembangkan interface operasional.

Fitur Utama

Model prediksi efisiensi penjahit berbasis ML
Dashboard operasional untuk manajer koperasi
Modul manajemen penjahit, stok, supplier, dan pembelian
Otomatisasi alur kerja operasional koperasi
Validasi model finansial dan IRR

Catatan Sistem AI

Provider / Model

Prediksi machine learning dan allocation layer berbasis rule di atas data operasional koperasi.

Data Flow

Tabel operasional mengisi dashboard, manajemen penjahit, dan rekomendasi alokasi di sistem koperasi.

Validasi

Rekomendasi dicek terhadap deadline math, kapasitas, status saat ini, spesialisasi, dan jarak.

Failure Handling

Saat satu penjahit tidak cukup, sistem menawarkan custom split order alih-alih memaksa satu assignment.

Batasan Teknis

Prototype kompetisi dengan data operasional terbatas; confidence model perlu data deployment nyata sebelum produksi.

Pipeline

Data penjahit menyimpan speed, status, jarak, spesialisasi, dan kapasitas tersedia.
Input order mendefinisikan kategori, jumlah pcs, dan tekanan deadline.
Layer alokasi menghitung kebutuhan produksi harian dan meranking penjahit yang feasible.
Jika kapasitas satu penjahit tidak aman, sistem mensimulasikan opsi split order.

Tantangan & Trade-off

Melatih model prediksi yang reliabel dengan data operasional terbatas
Mengintegrasikan prediksi ML ke workflow operasional yang praktis
Berkoordinasi dengan anggota tim multidisiplin dari bisnis, arsitektur, dan bisnis internasional

Hasil

Juara 2 - SUTD x Petra Christian University International Hackathon, Januari 2026.

Bukti Visual

Dashboard manajerial koperasi penjahit dengan metrik profit, pengeluaran, project aktif, penjahit ready, dan stok menipis. — Dashboard manajerial: sinyal bisnis, produksi, dan stok dalam satu tampilan operasional.

Dashboard analitik penjahit dengan total mitra, rata-rata speed, status idle, bar chart, dan distribusi spesialisasi. — Analitik performa penjahit untuk memahami kapasitas, speed, status idle, dan komposisi spesialisasi.

Tabel manajemen data penjahit dengan jarak, speed, spesialisasi, status, dan kontak. — Tabel data operasional yang mendukung keputusan assignment dan workflow manajemen.

Form AI Smart Allocation yang merekomendasikan penjahit berdasarkan deadline, kategori, dan jumlah order. — Flow smart allocation: deadline, kategori, quantity, target speed, dan rekomendasi penjahit.

Simulasi custom split order penjahit dengan kapasitas, estimasi selesai, dan tabel pembagian tugas. — Simulasi split-order fallback ketika satu penjahit tidak aman membawa seluruh beban kerja.

Teknologi

Python Machine Learning Laravel MySQL

GitHub Profile