Aplikasi Machine Learning for Fault Analysis & LRLC Reservoir – PT Pertamina

Proyek ini berfokus pada pengembangan solusi transformasi digital berbasis web application + machine learning untuk mendukung analisis subsurface, khususnya pada kebutuhan Fault Analysis serta identifikasi reservoir Low Resistivity Low Contrast (LRLC). Sistem dirancang end-to-end: mulai dari pengelolaan data, penyediaan layanan API, hingga dukungan pipeline proses machine learning agar hasil analisis dapat diakses secara terstruktur melalui aplikasi.

Key Features

• Dashboard aplikasi berbasis web untuk menampilkan informasi dan hasil analisis secara terpusat
• REST API terstandar sebagai penghubung antara Frontend dan Backend, mendukung integrasi data dan kebutuhan aplikasi
• Data management system untuk pengolahan, validasi, penyimpanan, dan akses data secara konsisten
• Visualisasi data & hasil analisis menggunakan grafik/plot serta komponen interaktif (charting & mapping) untuk membantu interpretasi
• Export & reporting utilities (mis. unduh file/hasil visual) untuk kebutuhan dokumentasi dan pelaporan
• Dokumentasi API (OpenAPI/Swagger) untuk mempermudah kolaborasi dan integrasi antar tim

Responsibilities / Contributions

• Melakukan analisis kebutuhan dan perancangan database sesuai kebutuhan aplikasi dan pipeline machine learning
• Mengembangkan Backend REST API menggunakan Django REST Framework (endpoint, validasi, serta integrasi data)
• Mengimplementasikan autentikasi JWT dan pengaturan akses agar layanan API lebih aman dan terkontrol
• Mendukung proses manajemen machine learning (data preparation, eksperimen model, penyimpanan artifact model, serta evaluasi hasil)
• Mendukung siklus pengembangan aplikasi: development, testing, dan deployment (containerization dengan Docker, serta pengujian API menggunakan Postman)

Tech Stack

• Frontend: React (TypeScript), Ant Design, Radix UI, Redux Toolkit, React Query, D3/Plotly/Chart.js, Leaflet
• Backend: Django, Django REST Framework, JWT (SimpleJWT), Swagger/OpenAPI (drf-spectacular/drf-yasg), Gunicorn
• Database: PostgreSQL, MongoDB (Djongo/PyMongo)
• Machine Learning: scikit-learn, XGBoost, LightGBM, CatBoost, TensorFlow/Keras, PyTorch
• DevOps/Tools: Docker, Postman, Sentry (monitoring)