Tentang Pendidikan Proyek Data Keterampilan Hubungi Saya
Sarjana Sains Matematika ITB

Jonathan Delen Hosea

Data Science Specialist

Lulusan Matematika Institut Teknologi Bandung (ITB) dengan spesialisasi analitis pada time series analysis dan pemodelan statistik. Berpengalaman dalam Exploratory Data Analysis (EDA), pembersihan data terstruktur dengan Python, serta pemodelan kuantitatif menggunakan R untuk menerjemahkan dataset kompleks menjadi wawasan bisnis yang aplikatif.

Lihat Proyek Data Hubungi Kontak
3.09
IPK Sarjana Sains (ITB)
7+
Metode Change Point Detection (R)
5,000
Baris Master Dataset Open Data
94%
Business English Communication Score
Latar Belakang Akademia

Pendidikan

Institut Teknologi Bandung (ITB)

Sarjana Sains (S.Si.) dalam Matematika
Bandung, Indonesia Agu 2022 – Agu 2026

Fokus akademis pada logika kuantitatif, pemodelan stokastik, dan analisis data analitis untuk pemecahan masalah kompleks.

Analisis Data Statistika Non-Parametrik Teori Peluang Pengantar Proses Stokastik
3.09
IPK Akumulasi / 4.00
Rekam Jejak & Aplikasi

Proyek Data & Analitik

Capstone Project

PINTARIN (School Risk & Scholarship Matcher)

Data Science Cohort, Dicoding Indonesia
Feb 2026 – Jun 2026
  • Mengintegrasikan dan melakukan data cleaning terhadap 3 sumber open data Kota Bandung (status pendidikan, jumlah sekolah, dan program PIP) menjadi master dataset 5.000 baris.
  • Menjalankan Exploratory Data Analysis (EDA) menggunakan Python untuk menemukan puncak tren kerentanan pendidikan (2021–2023) dan efektivitas intervensi PIP (2024–2025).
  • Membuktikan secara kuantitatif bahwa penambahan infrastruktur fisik (sekolah) tidak berbanding lurus dengan penurunan kerentanan, serta merekomendasikan fokus pada subsidi langsung.
  • Meluncurkan Decision Support System interaktif berbasis web dengan pemetaan risiko, AI risk scoring, dan validasi human-in-the-loop untuk penyaluran CSR.
Python Pandas EDA Data Cleaning AI Risk Scoring Decision Support System
Tugas Akhir ITB

Komparasi Metode Deteksi Titik Perubahan (Change Point Detection)

Program Studi Matematika, Institut Teknologi Bandung
Sep 2025 – Agu 2026
  • Melakukan pemodelan & studi komparatif 7 metode Change Point Detection menggunakan bahasa R untuk mendeteksi anomali runtun waktu (time series).
  • Menggunakan data harian polutan PM2.5 DKI Jakarta (2019–2023) sebagai studi kasus nyata berskala besar untuk menguji ketahanan (robustness) algoritma.
  • Melakukan model benchmarking dengan package breakfast dan changepoint di RStudio (algoritma TGUH, WBS, dan PELT).
  • Mengekstraksi temuan bahwa model TGUH & WBS unggul pada data non-stasioner variansi ekstrem, sementara PELT lebih presisi untuk data homoskedastik.
  • Menghasilkan kerangka kerja deteksi anomali yang dapat diaplikasikan langsung untuk mendeteksi lonjakan penjualan, traffic server, atau transaksi mencurigakan.
R Language RStudio Time Series TGUH & WBS PELT Algorithm Anomaly Detection
Kompetensi Utama

Keterampilan & Bahasa

Pemrograman & Pemodelan
Python
Pandas
Matplotlib
Bahasa R
Time Series Analysis
MATLAB
Metode Analitik
Exploratory Data Analysis (EDA)
Data Cleaning & Wrangling
Change Point Detection
Statistical Modeling
Machine Learning Benchmarking
Kemampuan Bahasa
Bahasa Inggris
Business Communication
Skor: 94%
Bahasa Indonesia
Penutur Asli (Native)
Native

Mari Berkolaborasi

Saya siap berkontribusi dalam proyek analitis data, riset time series, dan solusi kuantitatif berbasis bisnis.

LinkedIn Profile
Teks berhasil disalin!