Baru Jelajahi project AI & Machine Learning siap pakai lengkap dengan full source code dan tutorial instalasi!
Beranda Katalog Project Tentang Kami Kontak Kami
Prediksi Kebutuhan Bahan Bakar Minyak di Negara-Negara Eropa Menggunakan Machine Learning
Prediksi Kebutuhan Bahan Bakar Minyak di Negara-Negara Eropa Menggunakan Machine Learning
Machine Learning Tingkat: Advanced Versi 1.0.0 6 Dilihat
5.0 (0 ulasan)

Prediksi Kebutuhan Bahan Bakar Minyak di Negara-Negara Eropa Menggunakan Machine Learning

Teknologi: Python Flask JavaScript Tailwind CSS XGBoost Scikit-Learn Pandas NumPy Joblib LightGBM SciPy K-Means Clustering Jupyter Notebook Matplotlib Seaborn HTML5 Principal Component Analysis (PCA) StandardScaler Time Series Forecasting Autoregressive Recursive Simulation Chart.js
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Prediksi Kebutuhan Bahan Bakar Minyak di Negara-Negara Eropa Menggunakan Machine Learning

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Prediksi Kebutuhan Bahan Bakar Minyak di Negara-Negara Eropa Menggunakan Machine Learning via TikTok.

Overview & Cara Kerja

Latar Belakang Masalah

Sektor transportasi jalan raya (road transport) di benua Eropa tengah berada di pusaran disrupsi geopolitik dan transisi energi terbesar dalam sejarah modern. Sejak meletusnya skandal manipulasi emisi mesin diesel (Dieselgate) pada tahun 2015, penetrasi kendaraan listrik (Electric Vehicles/EV) yang agresif, krisis pasokan energi akibat perang Rusia-Ukraina pada tahun 2022, hingga mandat dekarbonisasi European Green Deal (Net-Zero 2050), dinamika permintaan Bahan Bakar Minyak (BBM) nasional di seluruh kawasan Eropa mengalami volatilitas yang sangat tinggi.

Namun, pengambil kebijakan (policy makers), perusahaan logistik multinasional, serta analis pasar komoditas energi menghadapi tantangan berat:

  1. Divergensi Dekarbonisasi Antar-Kawasan: Negara-negara Eropa Barat (seperti Jerman, Prancis, dan Belgia) mencatatkan kontraksi konsumsi solar (diesel) yang tajam lebih dari 20% akibat elektrifikasi armada, sedangkan negara-negara Eropa Tengah dan Timur (seperti Polandia, Rumania, dan Bulgaria) justru mengalami lonjakan konsumsi BBM di atas 30% seiring ekspansi koridor logistik industri mereka.
  2. Ketergantungan Impor dan Kerentanan Rantai Pasok: Pemutusan jalur pipa minyak mentah Rusia memaksa Eropa merombak jalur impor maritim, memicu ketidakpastian persediaan kilang (refinery inventory).
  3. Keterbatasan Peramalan Konvensional: Model deret waktu univariat tradisional (seperti ARIMA atau Holt-Winters) gagal menangkap interdependensi antar-negara, efek musiman kalender, keterkaitan subtitusi silang bensin vs solar, serta tren guncangan makro (macro shocks).
Solusi & Nilai Tambah Sistem

Produk ini menghadirkan sistem analitik cerdas terintegrasi yang memanfaatkan data resmi bulanan Eurostat (tabel nrg_cb_oilm) dari Januari 2013 hingga Agustus 2026 (mencakup 112.712 observasi transaksi energi) dengan memadukan dua paradigma kecerdasan buatan:

  1. Unsupervised Energy Transition Archetyping (PCA & K-Means $k=4$): Memetakan profil struktural transformasi energi 10-tahun (2015–2025) ke dalam 4 arketipe dekarbonisasi nasional tanpa bias subjektif:
    • Expanding Central/Eastern Markets (9 negara: Polandia, Bulgaria, Rumania, Ceko, dll.)
    • Rapid Petrol Substitutors (6 negara: Prancis, Belgia, Spanyol, Turkiye, dll.)
    • Mature Decarbonizers (11 negara: Jerman, Belanda, Swedia, Denmark, dll.)
    • Diesel-Heavy Logistics Hubs (4 negara: Norwegia, Irlandia, Latvia, Makedonia Utara)
  2. Supervised Global Panel Gradient Boosting (LightGBM & XGBoost): Melatih model peramalan panel global (multi-country cross-learning) yang mempelajari pola musiman, tren ekonomi, dan interaksi silang konsumsi bensin-solar pada 35 negara secara simultan.
  3. Validasi Out-of-Time 12-Bulan yang Ketat: Model diuji pada 12 bulan terakhir (September 2025–Agustus 2026) dan membuktikan performa superioritas: koefisien determinasi $R^2 = 0.9888$ (98,88%), galat WAPE serendah $6.90%$, dan reduksi RMSE hingga $+32.47%$ dibandingkan baseline musiman.
  4. Mesin Simulasi Rekursif Multi-Horizon: Algoritma autoregresif rekursif yang secara dinamis memperbarui fitur lag, rata-rata bergerak (rolling mean/std), dan harmonik Fourier trigonometris ($\sin/\cos$) untuk memproyeksikan kebutuhan BBM pada horizon 3 bulan, 6 bulan, 1 tahun, 2 tahun, 3 tahun, 5 tahun, atau rentang tanggal kustom pengguna.
  5. Dashboard Web Berstandar Institusional & REST API: Antarmuka korporat modern bernuansa Slate Dark & Emerald Teal yang dilengkapi visualisasi grafik interaktif Chart.js, kartu diagnostik arketipe energi, perbandingan baseline historis tahunan (YoY), konversi otomatis ke jutaan liter, ekspor data CSV, serta endpoint RESTful API terstandarisasi.
Fitur Utama Platform
  • Peramalan Multi-Horizon Cerdas: Fleksibilitas memilih horizon proyeksi preset (3M, 6M, 1Y, 2Y, 3Y, 5Y) atau rentang kustom (bulan awal s.d. bulan akhir) untuk 35 negara Eropa.
  • Proyeksi Ganda Kilotonnes & Juta Liter: Menyajikan angka proyeksi dalam satuan resmi industri perminyakan (kilotonnes/kt) sekaligus konversi volumetrik (million litres) dengan densitas standar BBM.
  • Analisis Komparasi Baseline Tahunan (YoY Delta): Mengukur persentase kenaikan atau penurunan konsumsi terhadap periode yang sama 12 bulan sebelumnya (Lag-12 baseline).
  • Profil Diagnostik Arketipe Transisi Energi: Menampilkan rasio konsumsi solar/bensin (2015 vs 2025), laju dekarbonisasi 10-tahun, dan tingkat ketergantungan impor bersih (Net Import Dependency %).
  • Visualisasi Grafik Tren Interaktif Chart.js: Grafik visual dinamis yang membandingkan proyeksi AI terhadap baseline musiman historis.
  • Tabel Rincian Periode & Ekspor CSV 1-Klik: Tabel data bulan-demi-bulan yang dapat diunduh langsung untuk kebutuhan presentasi rapat, tesis, atau riset lanjutan.
  • Arsitektur RESTful JSON API: Endpoint modular /api/predict yang siap diintegrasikan ke sistem perencanaan korporat (ERP), pipeline analitik logistik armada, atau portal intelijen energi.

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:

6 Tahap Pipeline
1 DATA INGESTION

Penyerapan Data Bulanan Eurostat (112.712 Rekaman)

Memuat dan mengharmonisasi dataset resmi Eurostat tabel nrg_cb_oilm (2013-2026) yang mencakup pengiriman domestik, impor, dan ekspor produk minyak olahan di 37 negara Eropa.

Eurostat Table nrg_cb_oilm | 112k Baris | 37 Negara + EU27
2 DECARBONIZATION EDA

Analisis Volumetrik 10-Tahun Pasca-Dieselgate

Meneliti pergeseran struktural konsumsi solar vs bensin sepanjang dekade 2015-2025, mendeteksi dampak elektrifikasi kendaraan di Eropa Barat serta ekspansi logistik di Eropa Timur.

Post-Dieselgate Analysis | 2015-2025 Volume Shifts
3 UNSUPERVISED ARCHETYPING

Reduksi Dimensi PCA & K-Means Clustering (k=4)

Menstandardisasi rasio pergeseran energi dan mengelompokkan 35 negara ke dalam 4 arketipe dekarbonisasi menggunakan Principal Component Analysis dan algoritma K-Means teroptimasi.

PCA 2D Biplot | K-Means k=4 | 4 Arketipe Nasional
4 CAUSAL FEATURE ENGINEERING

Rekayasa Fitur Runtun Waktu Panel Global

Merumuskan lag kausal 1, 2, 3, 6, dan 12 bulan bebas kebocoran data (zero lookahead), interdependensi bahan bakar komplementer, rata-rata bergerak (3m, 12m), dan harmonik kalender Fourier.

Causal Lags (1-12m) | Rolling Stats | Fourier Sin/Cos Harmonics
5 MULTI-MODEL BENCHMARK

Pelatihan & Benchmark Model Global LightGBM & XGBoost

Melatih arsitektur panel global simultan pada 35 negara dan menguji pada 12-bulan temporal holdout (XGBoost WAPE 6.90% & LightGBM R² 0.9888, mengungguli baseline sebesar +32.47%).

XGBoost #1 WAPE 6.90% | LightGBM R² 0.9888 | 12m Out-of-Time
6 RECURSIVE SIMULATOR & WEB UI

Mesin Inferensi Rekursif Multi-Horizon & Dashboard Flask

Mengintegrasikan model ke backend Flask dengan mesin simulasi rekursif multi-tahun, dashboard interaktif Tailwind CSS, grafik tren Chart.js, dan RESTful JSON API.

Flask Server | Recursive Engine | Chart.js UI | REST API
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

33 Berkas Proyek 6 Folder Utama Paket ZIP 1.28 MB
codes.csv 1.24 KB
Dataset Pratinjau
data_dictionary.csv 4.1 KB
Dataset Pratinjau
european_petrol_diesel_use.csv 12.58 MB
Dataset Pratinjau
european_petrol_diesel_use.parquet 405.72 KB
Dataset Pratinjau
european_petrol_diesel_use_quickstart.csv 563.83 KB
Dataset Pratinjau
kmeans_energy_clusters.joblib 1007 B
AI Model Pratinjau
lightgbm_fuel_forecaster.joblib 669.72 KB
AI Model Pratinjau
scaler_energy_clusters.joblib 1023 B
AI Model Pratinjau
xgboost_fuel_forecaster.joblib 851.73 KB
AI Model Pratinjau
clustering_optimization_curves.png 146.81 KB
clustering_pca_and_quadrant_analysis.png 294.73 KB
country_energy_clusters.csv 5.78 KB
Dataset Pratinjau
eda_cross_country_ratio_distribution.png 95.14 KB
eda_eu27_macro_trajectories.png 272.79 KB
energy_transition_clusters.png 261.7 KB
forecast_holdout_predictions.csv 27.4 KB
Dataset Pratinjau
forecasting_feature_importance.png 99.61 KB
forecasting_multi_country_performance.png 516.45 KB
forecasting_residual_diagnostics.png 174.18 KB
model_evaluation_metrics.csv 219 B
Dataset Pratinjau
clustering.py 6.95 KB
data_loader.py 1.73 KB
forecast.py 8.22 KB
clustering_chart.png 294.73 KB
hero_chart.png 516.45 KB
macro_trajectory.png 272.79 KB
index.html 64.01 KB
app.py 9.85 KB
global_fuel_demand_forecaster.ipynb 1.2 MB
Notebook Pratinjau
README.md 9.49 KB
markdown Pratinjau
requirements.txt 325 B

dataset.zip

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

Beli untuk Unduh ZIP

Kebutuhan Sistem & Spesifikasi

Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:

Spesifikasi Rekomendasi
Sistem Operasi
Windows 10/11, macOS Monterey+, atau Linux (Ubuntu 20.04/22.04 LTS)

Cross-platform compatible

Runtime & Bahasa
Python 3.10.x atau 3.11.x (Disarankan menggunakan virtual environment)

Lingkungan kerja teruji

Memori (RAM)
4 GB RAM minimum (Disarankan 8 GB RAM untuk kelancaran komputasi panel)

Optimal untuk running service

Penyimpanan
600 MB ruang disk kosong untuk dataset Eurostat, model serialisasi, dan visualisasi

Untuk berkas & dependensi

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: 6 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, JavaScript, Tailwind 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.