Studi Kasus
Live Platform Edukasi

Lab XGBoost

Edukasi ML Interaktif untuk Klinisi ICU

Platform hands-on tempat klinisi tanpa background ML membangun model XGBoost step-by-step. Pilih fitur klinis, lihat ROC update real-time, baca kode Python sungguhan di sebelahnya. Fase 1: Feature Explorer dengan fitur jebakan (data leakage, identifier, irrelevan klinis). Fase 2: Hyperparameter Sandbox untuk merasakan underfitting, overfitting, dan sweet spot. Semua model di-pre-compute di Python dan di-export ke JSON statis — browser cuma lookup, tanpa training runtime, tanpa backend.

Arsitektur

JSON Pre-compute

tanpa backend, tanpa training runtime

Visualisasi

D3.js ROC Live

feedback instan

Fase

Fitur → Hyper

pedagogi ML progresif

Pencapaian Utama

  • Pedagogi dua fase yang ngajarin pemilihan fitur dan tuning hyperparameter lewat eksplorasi.
  • Fitur "umpan" yang sengaja didesain untuk mengungkap jebakan data leakage dan identifier.
  • Ribuan varian XGBoost di-pre-compute di Python, di-export jadi JSON statis untuk browser lookup.
  • Animasi ROC curve real-time dengan D3 untuk feedback langsung di tiap perubahan parameter.
  • Inline code Python yang di-syntax-highlight pakai PrismJS supaya pembelajar lihat model sungguhan.
  • Sentry-instrumented untuk observability produksi tanpa memperlambat experience belajar.

Tech Stack

12
Astro 6 Svelte 5 TypeScript D3.js animejs PrismJS Sentry XGBoost scikit-learn Python 3 Tailwind CSS MDX
Klien
dr. Eka Satrio Putra, Sp.An-TI
Domain
xgboost.lab.ekasatrio.id

Galeri

Lab XGBoost screenshot Zoom
Lab XGBoost screenshot Zoom
Lab XGBoost screenshot Zoom
Lab XGBoost screenshot Zoom
Lab XGBoost screenshot Zoom
Lab XGBoost screenshot Zoom

Konsultasi 15 menit · gratis

Mau bangun yang serupa?

Kabari scope, stack, dan timeline-mu. Kita kasih next step yang jelas.

Mulai obrolan
Lihat semua proyek