Prediksi Biaya Operasional Cabang - ODP 2026
Perkirakan biaya operasional bulanan sebuah cabang bank dari karakteristiknya. Dataset sintetis untuk latihan regresi.
Divisi Jaringan dan Layanan sedang menyusun anggaran operasional tahun depan untuk seluruh jaringan cabang. Tugas Anda membangun model yang memperkirakan biaya operasional bulanan sebuah cabang dari karakteristiknya. Pertanyaan yang sering muncul meliputi: Kalau cabang ini menambah dua teller, berapa tambahan biaya bulanannya. Cabang mana yang biayanya jauh di atas seharusnya, mengingat ukuran dan lokasinya. Berapa anggaran yang wajar untuk cabang baru yang belum punya riwayat sama sekali.
Anda menerima profil 1.800 cabang beserta biaya operasional bulanannya sebagai data latih, dan 1.200 cabang tanpa angka biaya sebagai data uji. Datanya sengaja tidak disterilkan. Ada kolom yang bolong, ada kolom yang tidak berguna sama sekali, dan ada sepasang kolom yang isinya praktis informasi yang sama. Menemukan dan menanganinya adalah bagian dari lomba.
Kompetisi ini bukan sekadar mengejar angka di leaderboard. Setiap jebakan di dalam datanya adalah cerminan langsung dari materi Hands-on Lab Regresi. Melempar Random Forest ke data mentah tidak menang. Yang menang adalah peserta yang benar-benar memahami bentuk hubungan di dalam datanya.
Datanya sengaja dibiarkan apa adanya. Empat hal berikut menunggu Anda temukan, dan semuanya sudah dibahas di Hands-on Lab Regresi. Ada sepasang kolom yang isinya praktis sama. Ada kolom yang sama sekali tidak berhubungan dengan target. Hubungan antara jumlah nasabah dan biaya tidak sepenuhnya garis lurus. Ada missing value pada dua kolom. Sebagai tambahan, sekitar tiga persen cabang sedang menjalani renovasi besar sehingga biayanya melonjak jauh di atas normal.
Penilaian memakai Root Mean Squared Error (RMSE) antara biaya operasional bulanan yang Anda prediksi dan angka sebenarnya. Satuan juta rupiah per bulan. Semakin kecil semakin baik. RMSE dipilih karena menghukum kesalahan besar lebih berat daripada kesalahan kecil.
Berkas submission harus memuat baris header lalu 1.200 baris prediksi, satu untuk tiap cabang di test.csv. Ketentuan yang wajib dipenuhi: Tepat dua kolom, dengan nama persis seperti contoh. Tepat 1.200 baris di luar header. Setiap IDCabang dari test.csv muncul tepat satu kali. Tidak boleh ada nilai kosong maupun tak terhingga.
Leaderboard publik dihitung dari 30 persen data uji. Leaderboard privat dihitung dari 70 persen sisanya, dan baru terbuka setelah lomba tutup. Peringkat inilah yang menentukan pemenang.
Penyelenggara: Pusilkom UI untuk Officer Development Program Data Analytics. Seluruh data dibangkitkan secara sintetis untuk keperluan pelatihan.