Curriculum Vitae
Embun Nawang Sari
Saya percaya bahwa data bukan sekadar angka, tapi cerita dan tugas saya adalah menemukan makna di baliknya. Sebagai mahasiswa Informatika tahun ketiga di Telkom University, saya memiliki minat besar dalam data science dan machine learning. Namun ketertarikan saya pada dunia IT tidak berhenti di sana. Saya juga senang membangun solusi nyata melalui pengembangan aplikasi mobile dan website, menggabungkan logika teknis dengan pengalaman pengguna yang intuitif. Saya selalu terdorong oleh keinginan untuk menciptakan teknologi yang tidak hanya canggih, tetapi juga bermakna, teknologi yang mampu menyentuh kehidupan orang lain, mempermudah proses, dan memberikan dampak nyata. Dengan latar belakang di bidang analisis, pengembangan sistem, dan pengalaman organisasi, saya ingin terus mengasah kemampuan teknis dan kolaboratif saya melalui pengalaman magang yang menantang dan bermakna. Bagi saya, setiap baris kode adalah peluang untuk menciptakan perubahan.
Sedang berjalan
Telkom University
S1 • Informatics • IPK 3.96
Juni 2025 - Sekarang
Data Analyst
PT Dirgantara Indonesia • Magang
Sebagai Data Analyst, saya bertanggung jawab dalam mengolah data historis terkait kerusakan dan perbaikan pesawat untuk membangun model prediktif yang dapat mengidentifikasi potensi gangguan pada komponen pesawat sebelum terjadi. Proses ini mencakup pembersihan data, analisis pola kerusakan, rekayasa fitur, serta penerapan algoritma machine learning untuk memprediksi waktu atau kemungkinan kegagalan komponen. Model yang dikembangkan bertujuan untuk mendukung tim teknis dalam pengambilan keputusan perawatan secara preventif, sehingga dapat meningkatkan keselamatan operasional dan efisiensi jadwal pemeliharaan.
Media
Juni 2025 - Sekarang
Data Analyst
PT Dirgantara Indonesia • Magang
Sebagai Data Analyst, saya bertanggung jawab dalam mengolah data historis terkait kerusakan dan perbaikan pesawat untuk membangun model prediktif yang dapat mengidentifikasi potensi gangguan pada komponen pesawat sebelum terjadi. Proses ini mencakup pembersihan data, analisis pola kerusakan, rekayasa fitur, serta penerapan algoritma machine learning untuk memprediksi waktu atau kemungkinan kegagalan komponen. Model yang dikembangkan bertujuan untuk mendukung tim teknis dalam pengambilan keputusan perawatan secara preventif, sehingga dapat meningkatkan keselamatan operasional dan efisiensi jadwal pemeliharaan.