SmartReceipt

Mencatat pengeluaran manual cepat ditinggalkan karena membosankan. Struk sudah memuat semua datanya, tetapi dalam teks cetak thermal yang berisik: singkatan, salah ketik, dan format berbeda antar toko. Datanya juga tidak boleh keluar dari perangkat.

Saya memegang perencanaan proyek dan pengembangan model machine learning. Dua anggota mengerjakan aplikasi dan antarmuka, satu menangani data dan evaluasi; saya juga menjaga keputusan model tetap sejalan dengan keputusan produk.

Urutannya sengaja dibalik: model dan data dulu, antarmuka menyusul, karena kualitas keluaran model menentukan berapa banyak koreksi manual pengguna. Satu aturan tidak boleh dilanggar: model berjalan sepenuhnya di perangkat.

Tim kecil dan tenggat satu bulan, jadi koordinasi harian dan singkat. Yang saya jaga adalah kesepakatan format data — nama kategori, kode, dan struktur hasil klasifikasi — agar kedua sisi bisa diintegrasikan tanpa kejutan.

Model diukur dengan matriks kebingungan dan akurasi per kategori, bukan perasaan "sudah bagus". Data uji dipisah berdasarkan produk unik agar tidak bocor ke data latih. Aplikasi diukur dari satu struk bisa diproses sampai tersimpan.