MACHINE LEARNING ENGINEER · NLP & HEALTHCARE

Fathin Thariq Wiyono

Lulusan Ilmu Komputer (S.Kom) yang merancang model deep learning & predictive analytics — mulai dari eksperimen arsitektur di PyTorch/TensorFlow sampai serving API berlatensi rendah di production.

92.28%

Akurasi Skripsi NLP (CNN-BiLSTM)

< 2.0d

MAE Prediksi Rawat Inap (XGBoost)

14ms

P95 Inference Latency (FastAPI/CPU)

Lihat Detail Riset → GitHub MustThor

nlp_classifier_sandbox.py • MODEL READY

Uji Coba Teks (Indonesian Tweets) Word2Vec + CNN-BiLSTM

Prediksi Status Risiko STANDBY

Probabilitas: - Latensi: - Kamus: 300d

// RISET AKADEMIK · SKRIPSI S.KOM

Deteksi Risiko Bunuh Diri di Twitter via CNN-BiLSTM

Mengombinasikan Feature Extraction lokal (CNN 1D) dan Temporal Memory (Bidirectional LSTM) di atas representasi vektor kata Word2Vec berdimensi 300.

Peer-Reviewed Methodology

Riset Klasifikasi Teks Kesehatan Mental

Deteksi teks berisiko pada platform media sosial menuntut model yang mampu mengenali pola frasa slang, negasi tersembunyi, dan konteks emosional dalam bahasa Indonesia kasual. Riset ini menguji keunggulan hibrida CNN dan BiLSTM dibandingkan baseline konvensional seperti Support Vector Machine dan LSTM tunggal.

DATASET

Indonesian Tweets (Curated)

ACCURACY

92.28%

F1-SCORE

0.918

EMBEDDING

Word2Vec Skip-Gram (300d)

Dikerjakan end-to-end: web scraping data → text cleaning & stemming → custom pre-trained embedding → hiperparameter tuning → visualisasi confusion matrix.

1. Input & Preprocessing

Case folding, removal slang, tokenization, sequence padding (max_len=100)

2. Embedding Layer (300-dim)

Word2Vec Skip-gram weights, trainable=False to avoid catastrophic forgetting

3. 1D Convolution (Conv1D)

128 filters, kernel_size=5, activation='relu' (ekstraksi n-gram lokal)

4. Max-Pooling 1D

pool_size=2 untuk reduksi dimensionalitas feature map

5. Bidirectional LSTM (BiLSTM)

64 hidden units forward + 64 units backward untuk dependensi temporal dua arah

6. Dense Output & Dropout

Dropout(0.5) → Dense(1, activation='sigmoid') untuk klasifikasi biner probabilitas

Perbandingan terhadap Baseline Model pada Data Uji:

MODELACCPRECISIONRECALL

CNN-BiLSTM (Proposed)92.28%91.4%93.1%

Standard LSTM87.10%85.2%88.0%

Standard CNN 1D85.45%83.9%86.5%

Linear SVM (TF-IDF)81.20%79.5%82.3%

# Fast inference endpoint via FastAPI:

curl -X POST https://api.mustthor.site/v1/predict \
-H "Content-Type: application/json" \
-d '{"text": "aku capek banget hidup begini"}'

# Response (p95 < 15ms):

{
  "prediction": "critical_risk",
  "confidence": 0.894,
  "latency_ms": 13.8
}

// HEALTHCARE MACHINE LEARNING · RS PKU AISYIYAH BOYOLALI

Model Prediksi Klinis & Optimasi Operasional RS

Menerapkan algoritma gradient boosting (XGBoost) pada rekam medis SIMRS untuk memperkirakan lama rawat inap (Length of Stay) dan rekomendasi alur rawat.

Clinical Analytics in Production

Prediksi Rawat Inap & Routing Pasien Terintegrasi SIMRS

Memanfaatkan data riwayat pasien, komorbiditas (ICD-10), dan parameter vital untuk memberikan estimasi durasi perawatan sedini mungkin saat pasien pertama kali masuk. Membantu dokter dan manajemen merencanakan kapasitas tempat tidur (bed turnover rate) secara akurat.

Mean Absolute Error (LoS)

< 2.0 Hari

Deviasi prediksi lama tinggal aktual vs estimasi XGBoost regresi

Koefisien Determinasi (R²)

> 0.82

Kekuatan model menjelaskan variansi durasi rawat inap pasien

AUC-ROC Routing (RI / RJ)

0.85

Kemampuan klasifikasi rekomendasi Rawat Inap vs Rawat Jalan

XGBoost Regressor Scikit-learn SIMRS Integration Clinical Feature Engineering ICD-10 Grouping

// SOFTWARE · DEPLOYMENT · AGENTS

Sistem Production & Autonomous Agents

Model ML tidak berdiri sendiri — ia butuh infrastruktur reliabel, API cepat, dan interface yang intuitif.

PRODUCTION SERVING

FastAPI & Docker ML Serving

Containerized REST API untuk deployment model deep learning & XGBoost. Dilengkapi batch inference, memory limit control di Linux VPS, dan Nginx reverse proxy dengan TLS otomatis.

FastAPI Docker Nginx Linux

E-COMMERCE PRODUCTION

Rumah Ungu Marketplace

Aplikasi web skala production untuk bisnis ritel keluarga. Menangani pre-order real-time, kalkulasi multi-kurir logistik (Biteship API), otentikasi role, dan pembayaran terverifikasi.

Next.js 16 Prisma ORM PostgreSQL TypeScript

AI ORCHESTRATION

Autonomous Agent Automations

Membangun workflows agentik berbasis Hermes Agent & LLM tool-calling. Menjalankan monitoring cron otomatis, triage data harian, serta integrasi platform Discord & Telegram.

Hermes Agent Tool Calling Cron Daemons Python

// TECHNICAL STACK

Peralatan yang Digunakan di Production

Hanya teknologi yang benar-benar pernah dideploy dan dipelihara di lingkungan nyata.

ML & Deep Learning

Python (NumPy, Pandas)Core
TensorFlow / KerasDeep Learning
CNN-BiLSTM ArchitectureNLP
Word2Vec (Skip-Gram)Embeddings
XGBoost & Scikit-learnTabular ML
Data Preprocessing & NLTKText Cleaning

Serving & Infrastructure

FastAPI & UvicornAsync REST
Docker & ContainerizationDeployment
Linux VPS (Ubuntu 24.04)Self-Hosted
Nginx & Certbot (TLS)Reverse Proxy
Git & GitHub ActionsCI / CD
DNS & MX/SPF/DKIM RecordDomain Ops

Web & Database

TypeScript / JavaScriptLanguage
Next.js (App Router)Full-Stack
PostgreSQL (Neon / Local)Database
Prisma ORMSchema & Migrations
Tailwind CSSUI Styling
REST API ArchitectureIntegration

Mari Bangun Sesuatu yang Berdampak

Terbuka untuk posisi Machine Learning Engineer, Data Scientist, maupun kolaborasi proyek AI berbasis NLP dan Healthcare.

Email Profesional fathin.thariq09@mustthor.site GitHub Profile github.com/MustThor Domain Resmi mustthor.site