Baru Jelajahi project AI & Machine Learning siap pakai lengkap dengan full source code dan tutorial instalasi!
Beranda Katalog Project Tentang Kami Kontak Kami
Pemetaan dan Prediksi Kualitas Udara di Indonesia Berbasis Standar WHO Menggunakan Machine Learning
Pemetaan dan Prediksi Kualitas Udara di Indonesia Berbasis Standar WHO Menggunakan Machine Learning
Machine Learning Tingkat: Advanced Versi 1.0.0 68 Dilihat
5.0 (0 ulasan)

Pemetaan dan Prediksi Kualitas Udara di Indonesia Berbasis Standar WHO Menggunakan Machine Learning

Teknologi: Python Flask HTML CSS JavaScript Tailwind CSS Machine Learning XGBoost Scikit-Learn Pandas NumPy Gradient Boosting Random Forest Geospatial GIS Leaflet JS
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Pemetaan dan Prediksi Kualitas Udara di Indonesia Berbasis Standar WHO Menggunakan Machine Learning

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Pemetaan dan Prediksi Kualitas Udara di Indonesia Berbasis Standar WHO Menggunakan Machine Learning via TikTok.

Overview & Cara Kerja

INA-AirQuality ML merupakan platform analitik geospasial (Geospatial Analytics) dan sistem kecerdasan buatan berbasis Machine Learning yang dirancang untuk memetakan, mendiagnosis, dan memprediksi status kualitas udara secara komprehensif pada seluruh 514 kabupaten dan kota di 34 provinsi Indonesia. Mengadopsi standar baku mutu internasional WHO Air Quality Guidelines (AQG) 2021, sistem ini membedah data polusi udara multivariat (PM2.5, PM10, CO, NO2, SO2, Ozon, Debu, dan Indeks UV) menggunakan 30 fitur prediktor rekayasa, membandingkan 8 algoritma Machine Learning, dan mengandalkan model terbaik Gradient Boosting Classifier yang mencapai Akurasi Pengujian 97.08%, Weighted F1-Score 0.9708, dan 5-Fold Cross-Validation Mean 96.42% dengan latensi inferensi ultra-cepat (8.15 milidetik).

Fitur Utama Project

Source Code Lengkap & Terstruktur (Clean Architecture)
Dokumentasi Teknis & Pembahasan Lengkap
Backend Service & RESTful API Siap Pakai
Antarmuka Web Modern, Responsif, & Interaktif
Training Notebook Pipeline & Dependency Setup
Pretrained Model Weights & Paket Berkas ZIP Lengkap

Arsitektur & Pipeline Sistem

Alur data interaktif dari input request hingga hasil pemrosesan sistem:

5 Tahap Pipeline
1 DATA INGESTION & PIPELINE

National Data Extraction (514 Regencies) via Open-Meteo Air Quality API

Penarikan data atmosferik skala nasional mencakup 514 kabupaten/kota di 34 provinsi (7.710 observasi harian dan data per jam Parquet) dari reanalisis satelit CAMS via Open-Meteo API.

Open-Meteo API & 514 Regencies
2 STANDARDIZATION & TARGET

WHO Air Quality Guidelines 2021 Target Categorization (5 Tiers)

Standardisasi tingkat kualitas udara ke dalam 5 tingkatan ilmiah berbasis konsentrasi partikulat halus PM2.5 harian: Baik (AQG <=15), Moderat (IT-4: 15-25), Kurang Sehat (IT-3: 25-37.5), Tidak Sehat (IT-2: 37.5-50), dan Bahaya (IT-1: >50 ug/m3).

WHO AQG 2021 & 5 Classes
3 FEATURE ENGINEERING

30 Multimodal Feature Engineering: Spatiotemporal & Chemical Indices

Rekayasa 30 fitur prediktor: statistik polutan (PM10, CO, NO2, SO2, O3, Dust, UV Index), koordinat geospasial & jarak ekuator, fitur siklikal temporal (sin/cos bulan & hari), rasio PM10/debu, indeks pembakaran, dan rasio fotokimia.

30 Features & Stratified Split 80:20
4 BENCHMARKING & VALIDATION

8 ML Algorithms Benchmarking & 5-Fold Stratified Cross-Validation

Pelatihan dan evaluasi komparatif 8 algoritma machine learning. Model Gradient Boosting terpilih sebagai model terbaik dengan Akurasi Uji 97.08%, F1-Score 0.9708, dan 5-Fold CV Mean 96.42%.

Gradient Boosting 97.08% & 8.15 ms Latency
5 PRODUCTION DEPLOYMENT

Flask Web Dashboard, Interactive Leaflet GIS & Health Advisory

Deployment model ke aplikasi web interaktif Flask 3.0 bergaya instansi resmi (BGN style), dilengkapi peta geospasial Leaflet GIS 514 titik wilayah, modul live prediksi autocomplete, estimasi PM2.5, dan panduan mitigasi kesehatan publik.

Flask 3.0, Tailwind CSS & Leaflet GIS
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

23 Berkas Proyek 4 Folder Utama Paket ZIP 19.98 MB
cities.csv 1.47 KB
Dataset Pratinjau
idn_air_quality_all_regencies_daily.csv 1.98 MB
Dataset Pratinjau
idn_air_quality_all_regencies_hourly.parquet 1.71 MB
Dataset Pratinjau
idn_air_quality_daily.csv 4.89 MB
Dataset Pratinjau
idn_air_quality_hourly.parquet 15.45 MB
Dataset Pratinjau
indonesia_regencies_cities.csv 53.99 KB
Dataset Pratinjau
best_air_quality_model.joblib 1.02 MB
AI Model Pratinjau
feature_names.json 626 B
model_metadata.json 1.44 KB
scaler.joblib 1.94 KB
AI Model Pratinjau
target_classes.json 613 B
hero_air_quality.jpg 1007.01 KB
index.html 95.29 KB
app.py 21.44 KB
confusion_matrices.png 378.44 KB
eda_air_quality_summary.png 266.09 KB
feature_importance.png 139.68 KB
geospatial_air_quality_map.png 608.7 KB
model_comparison_plots.png 160.94 KB
README.md 7.34 KB
markdown Pratinjau
requirements.txt 422 B
sistem_pemetaan_kualitas_udara.ipynb 1.7 MB
Notebook Pratinjau

pemetaan-prediksi-kualitas-udara-indonesia-standar-who-machine-learning.zip

Arsip paket ZIP lengkap berisi 100% seluruh berkas di atas siap dijalankan.

Beli untuk Unduh ZIP

Dokumentasi Teknis

Tersedia dokumentasi teknis komprehensif untuk project ini:

Buka Reader

Kebutuhan Sistem & Spesifikasi

Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:

Spesifikasi Rekomendasi
Sistem Operasi
Windows 10/11 (64-bit), macOS Monterey ke atas, atau Linux Ubuntu 20.04 LTS+

Cross-platform compatible

Runtime & Bahasa
Python 3.10 atau Python 3.11 (Diverifikasi optimal pada Python 3.11.x x64)

Lingkungan kerja teruji

Memori (RAM)
Min. 4 GB (Rekomendasi 8 GB untuk kelancaran pemrosesan DataFrame geospasial)

Optimal untuk running service

Penyimpanan
Min. 1.5 GB ruang kosong untuk dependensi Scikit-Learn, PyArrow, berkas data Parquet, dan aset peta

Untuk berkas & dependensi

Database & Layanan
Tidak memerlukan database SQL eksternal (Basis data disimpan dalam CSV dan Parquet mandiri / self-contained)
Hardware / Catatan Khusus
Model telah dilatih dan diekspor dalam folder models/ sehingga server web Flask dapat langsung dijalankan seketika. Latensi inferensi model sangat cepat (8.15 ms di CPU biasa).

Pertanyaan yang Sering Diajukan (FAQ)

Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:

Bagaimana cara mendapatkan source code setelah pembayaran?

Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.

Apakah ada panduan instalasi dan dokumentasi teknis?

Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.

Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?

Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.

Bagaimana jika saya mengalami kendala teknis saat instalasi?

Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.

Ulasan Pembeli

Ulasan terverifikasi dari pengguna yang telah membeli project ini.

5.0 (0)

Belum ada ulasan untuk project ini.

Harga Lisensi Source Code
Rp 350.000 / sekali bayar
Tayangan: 68 kali dilihat
Populer
Tonton Demo TikTok
Lihat
Beli Source Code Sekarang

Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.

Yang Anda Dapatkan:

  • Full Source Code Lengkap & Aset Project
  • Teknologi: Python, Flask, HTML, CSS
  • Panduan Instalasi & Konfigurasi Lingkungan
  • Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
  • Hak Lisensi Tugas Akhir, Skripsi & Komersial
  • Akses Unduhan Berkas ZIP & Code Explorer Langsung
Download link instan dan akses dokumentasi dikirim otomatis ke akun Anda.