Curriculum Vitae
Cornelia Happy Rahmawati
Saya adalah mahasiswa tahun ketiga jurusan Statistika di Universitas Gadjah Mada (UGM) dengan keahlian dalam analisis statistik, pengambilan keputusan berbasis data, dan pemodelan keuangan. Mahir dalam menggunakan R, SPSS, Python, MySQL, dan Tableau, serta Microsoft Office dan Google Workspace. Saya memiliki minat yang besar dalam pemodelan keuangan, manajemen risiko, analisis data, machine learning, dan visualisasi data, serta keterampilan kuat dalam pembuatan dashboard, optimasi alur kerja, dan pemecahan masalah. Saya berpengalaman dalam proyek-proyek machine learning selama masa perkuliahan, termasuk Natural Language Processing (NLP) dan pengolahan data bersama BPS untuk menghasilkan Publikasi Ketenagakerjaan Kabupaten Bantul 2023. Selain itu, saya juga terlibat dalam pengelolaan data dan analisis performa rekanan saat magang di Vendor Management PT Pupuk Indonesia (Persero).
Sedang berjalan
Universitas Gadjah Mada
S1 • Statistika • IPK 3.50
Januari 2025 - Januari 2025
Staff Intern Vendor Management
PT Pupuk Indonesia (Persero) • Magang
- Memvalidasi dan memperbarui 500+ entri data vendor legal, keuangan, dan perizinan menggunakan SAP dan ProcureX, memastikan akurasi dan kepatuhan terhadap standar regulasi.
- Memantau proses E-Procurement untuk memastikan semua tahapan registrasi, verifikasi, dan pembinaan vendor berjalan terintegrasi dan efisien.
- Melakukan mapping otomatis 1.700+ kode KBLI ke 400+ Scope of Supply perusahaan menggunakan model NLP IndoBERT, menghasilkan akurasi 80% dan F1-score 0.80 yang memberikan rekomendasi yang meningkatkan efisiensi proses klasifikasi dan verifikasi vendor secara signifikan.
Juli 2024 - Agustus 2024
Staff Intern Divisi Statistik Sosial
Badan Pusat Statistik • Magang
• Menganalisis data mentah dari Survei Angkatan Kerja Nasional (SAKERNAS) tahun 2023 menggunakan Python, menghasilkan publikasi indikator ketenagakerjaan Kabupaten Bantul 2023 untuk BPS Kab. Bantul.
• Bekerja sama dengan tim untuk mengoptimalkan pelaporan statistik ketenagakerjaan, meningkatkan efisiensi alur kerja, dan akurasi analisis data ketenagakerjaan.