Machine Learning (ML) Ops Engineer

Requirements Kualifikasi Minimum

Pendidikan & Pengalaman

• S1/S2 Informatika, Sistem Informasi, Ilmu Data, atau setara.
• Pengalaman 2–4 tahun sebagai ML Engineer, Data Engineer, atau DevOps Engineer dengan fokus ML Ops.
• Pengalaman di industri kesehatan atau ERP (nilai plus).

Hard Skills

• Bahasa Pemrograman: Python (wajib), SQL (wajib), dan familiarity dengan R/Java (opsional).
• ML Ops Tools: MLflow, Kubeflow, atau Airflow; serta container (Docker) dan orchestration (Kubernetes).
• Integrasi Data: Rest API, ETL/ELT, sinkronasi data dari sistem transaksional (Microsoft Dynamics, database HIS/EMR seperti MySQL/SQL Server/PostgreSQL).
• Monitoring: Prometheus, Grafana, atau Evidently AI.
• Cloud/On-prem: Pengalaman dengan salah satu cloud (AWS/GCP/Azure) atau on-prem server untuk model serving.

Soft Skills

• Kemampuan mengubah kebutuhan report yang vague (dari manajemen rumah sakit) menjadi engineering tasks yang terukur.
• Empati terhadap budaya klien yang masih manual – tidak sekadar mengganti sistem, tetapi mengubah perilaku.
• Komunikasi yang baik untuk menjelaskan trade-off antara akurasi model vs kecepatan inferensi vs kepatuhan regulasi.

Lingkup Pekerjaan yang Spesifik untuk Daya Medika Pratama

Contoh Proyek Yang Akan Dikerjakan

• Prediksi Okupansi Rawat Inap – Dari data EMR + Dynamics Bed Management, otomatis kirim insight ke Direktur Rumah Sakit via dashboard (bukan lagi rekap excel mingguan).
• Deteksi Dini Risiko Pasien – Model yang memberi alert ke dokter & manajemen tentang potensi readmission atau komplikasi.
• Optimalisasi Persediaan Farmasi & Logistik – Menggabungkan data HIS (resep, tindakan) dan Dynamics Inventory, untuk forecast stok obat dan alat kesehatan.
• Anomali Klaim BPJS – Model yang mendeteksi ketidakwajaran klaim sebelum dikirim ke BPJS.

Paradigma Baru Yang Dibawa “Jangan hanya report yang digenerate – berikan insight yang bisa ditindaklanjuti (actionable insight) untuk pimpinan rumah sakit.”

Responsibilities PT Daya Medika Pratama adalah penyedia solusi vertikal terintegrasi untuk rumah sakit, mencakup Hospital Information System (HIS), Electronic Medical Record (EMR), serta ERP berbasis Microsoft Dynamics. Kami membantu transformasi digital rumah sakit di Indonesia. Saat ini, banyak klien kami masih menjalankan proses manual dalam pengambilan keputusan meskipun data sudah tersedia. Kami hadir untuk mengubah report statis menjadi insight prediktif dan preskriptif bagi para C-level rumah sakit.

Tanggung Jawab Utama

• Deployment & Otomasi Model Machine Learning
• Merancang pipeline deployment untuk model ML yang mengolah data HIS, EMR, dan ERP (Microsoft Dynamics) menjadi insight otomatis (misal: prediksi BOR, forecast rawat inap, deteksi fraud klaim, optimalisasi stok obat).
• Membangun sistem continuous training dan continuous delivery (CT/CD) untuk model ML sesuai jadwal atau trigger event (misal: setiap sinkronisasi data harian).
• Integrasi Data dari Sistem Legacy & Manual Process
• Mengidentifikasi titik-titik proses manual klien (misal: rekap excel, laporan mingguan) dan mengotomatisnya dengan model ML yang terintegrasi ke dashboard C-level.
• Membangun feature store yang menggabungkan data dari HIS, EMR, dan Dynamics ERP.
• Monitoring & Governance Model
• Memantau performa model (drift, accuracy, latency) di lingkungan produksi rumah sakit.
• Membuat sistem alert jika model menghasilkan output yang tidak masuk akal atau data inflow bermasalah.
• Memastikan kepatuhan terhadap regulasi kesehatan (Rahasia Medis, UU PDP, standar Kemenkes).
• Infrastructure & Scalability
• Mengelola infrastruktur ML (on-premise atau cloud) yang aman dan mampu menangani data rumah sakit dengan volume menengah-ke-besar.
• Mengoptimalkan batch inference dan real-time inference untuk kebutuhan C-level (dashboard real-time).
• Kolaborasi Lintas Tim
• Bekerja sama dengan Tim Produk, Data Engineer, dan Tim Implementasi ERP untuk memahami alur data klinis & operasional.
• Melatih tim internal/client engineer untuk mengadopsi ML Ops culture dan meninggalkan paradigma report-only.