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 Energi Pemanas dan Pendingin Ruangan Berdasarkan Desain Bangunan Berbasis Machine Learning
Prediksi Kebutuhan Energi Pemanas dan Pendingin Ruangan Berdasarkan Desain Bangunan Berbasis Machine Learning
Machine Learning Tingkat: Intermediate Versi 1.0.0 32 Dilihat
5.0 (0 ulasan)

Prediksi Kebutuhan Energi Pemanas dan Pendingin Ruangan Berdasarkan Desain Bangunan Berbasis Machine Learning

Teknologi: Python Flask HTML CSS JavaScript Tailwind CSS XGBoost Scikit-Learn Pandas NumPy
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Prediksi Kebutuhan Energi Pemanas dan Pendingin Ruangan Berdasarkan Desain Bangunan Berbasis Machine Learning

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Prediksi Kebutuhan Energi Pemanas dan Pendingin Ruangan Berdasarkan Desain Bangunan Berbasis Machine Learning via TikTok.

Overview & Cara Kerja

AETHERIA merupakan platform kecerdasan buatan (Artificial Intelligence) berbasis Machine Learning Multi-Output dan Building Thermal Intelligence System yang dirancang untuk mengestimasi kebutuhan energi termal bangunan secara simultan—mencakup regresi Beban Pemanasan (Heating Load / Y1), regresi Beban Pendinginan (Cooling Load / Y2), serta klasifikasi Tingkat Efisiensi Energi Bangunan (Kelas A, B, dan C) berdasarkan 8 parameter geometri dan selubung termal arsitektur. Sistem mengimplementasikan algoritma mutakhir Tuned XGBoost yang mencapai performa presisi luar biasa dengan R² Score 0.9985 (99.85%) pada pemanasan, R² Score 0.9925 (99.25%) pada pendinginan, dan Akurasi 97.40% pada klasifikasi efisiensi 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:

5 Tahap Pipeline
1 DATA INGESTION & AUDIT

768 Building Shapes Ingestion & Exact Geometric Proof

Ingesti 768 sampel desain bangunan modular dari benchmark UCI ENB2012, audit multikolinearitas, dan pembuktian matematis relasi deterministik selubung bangunan (Surface Area = Wall Area + 2 × Roof Area).

UCI Machine Learning Repository & 768 Records
2 THERMAL FEATURE ENGINEERING

4 Architectural Physics Features Engineering

Rekayasa 4 parameter fisika termal baru: Rasio Luas Dinding, Rasio Luas Atap, Estimasi Volume Bangunan, dan Luas Kaca Efektif untuk memperkuat pemahaman model terhadap fenomena transfer kalor konduktif dan radiasi surya.

Domain Physics & 4 Engineered Ratios
3 MULTI-MODEL BENCHMARK

Triple Benchmark of 8 Machine Learning Algorithms

Pelatihan dan evaluasi komparatif 8 algoritma pada 3 tugas independen (Regresi Heating Load Y1, Regresi Cooling Load Y2, dan Klasifikasi Kategori Efisiensi Kuantil) dengan 5-Fold Cross Validation.

8 Models Compared & XGBoost Top Pick
4 HYPERPARAMETER TUNING

Tuned XGBoost Regressors & Classifier Optimization

Penyetelan hyperparameter XGBoost menghasilkan Test R² 0.9985 (Heating), R² 0.9925 (Cooling), dan Akurasi 97.40% (Klasifikasi), dilanjutkan analisis Feature Importance yang membuktikan dominasi pengaruh Overall Height (X5) dan Relative Compactness (X1).

R² > 99% & Accuracy 97.40%
5 DEPLOYMENT & INTERFACE

AETHERIA Web Simulator & Architectural Advisory Engine

Deployment triple model ke aplikasi web interaktif Flask 3.0 dan antarmuka modern Tailwind CSS bertema *Regal Purple*, dilengkapi 3 preset desain, slider responsif, kartu metrik termal, serta modul rekomendasi pasif arsitektur otomatis.

Flask 3.0 & Regal Purple Modern Theme
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

12 Berkas Proyek 3 Folder Utama Paket ZIP 2.65 MB
best_cooling_regressor.joblib 781.4 KB
AI Model Pratinjau
best_efficiency_classifier.joblib 719.25 KB
AI Model Pratinjau
best_heating_regressor.joblib 742.29 KB
AI Model Pratinjau
model_metadata.json 1.45 KB
preprocessor_scaler.joblib 1.3 KB
AI Model Pratinjau
hero_building.jpg 822.65 KB
index.html 64.24 KB
app.py 9.52 KB
ENB2012_data.xlsx 74.4 KB
Energy_Efficiency_Prediction.ipynb 1.85 MB
Notebook Pratinjau
requirements.txt 154 B

prediksi-kebutuhan-energi-pemanas-pendingin-bangunan-machine-learning.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 (64-bit), macOS Monterey ke atas, atau Linux (Ubuntu 20.04+ LTS)

Cross-platform compatible

Runtime & Bahasa
Python 3.10 atau Python 3.11 (Direkomendasikan)

Lingkungan kerja teruji

Memori (RAM)
Min. 4 GB (Rekomendasi 8 GB untuk komputasi notebook analitis dan inferensi web lancar)

Optimal untuk running service

Penyimpanan
Min. 1 GB ruang kosong untuk dependensi Python, dataset Excel, dan bobot model joblib (2.3 MB)

Untuk berkas & dependensi

Database & Layanan
Tidak memerlukan database SQL eksternal (Model biner terintegrasi mandiri / self-contained)
Hardware / Catatan Khusus
Model pipeline sudah dilatih dan tersimpan dalam models/ sehingga aplikasi web dapat langsung dijalankan tanpa perlu proses pelatihan ulang (latensi inferensi triple model ultra-cepat ~0.02 milidetik 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: 32 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.