Baru Jelajahi project AI & Machine Learning siap pakai lengkap dengan full source code dan tutorial instalasi!
Beranda Katalog Project Tentang Kami Kontak Kami
Prediksi Okupansi Hotel dan Daya Dukung Lingkungan pada Destinasi Pariwisata Menggunakan Machine Learning
Prediksi Okupansi Hotel dan Daya Dukung Lingkungan pada Destinasi Pariwisata Menggunakan Machine Learning
Machine Learning Tingkat: Advanced Versi 1.0.0 16 Dilihat
5.0 (0 ulasan)

Prediksi Okupansi Hotel dan Daya Dukung Lingkungan pada Destinasi Pariwisata Menggunakan Machine Learning

Teknologi: Python Flask HTML CSS JavaScript Tailwind CSS Scikit-Learn Pandas NumPy Joblib CatBoost LightGBM SHAP
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Prediksi Okupansi Hotel dan Daya Dukung Lingkungan pada Destinasi Pariwisata Menggunakan Machine Learning

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Prediksi Okupansi Hotel dan Daya Dukung Lingkungan pada Destinasi Pariwisata Menggunakan Machine Learning via TikTok.

Overview & Cara Kerja

DPSP Green-Tourism & Hospitality Twin-Simulator merupakan platform komputasi prediktif dan analitik ekonometrika berbasis Machine Learning yang dirancang untuk memodelkan trade-off struktural antara akselerasi ekonomi industri perhotelan (hotel occupancy rate) dan preservasi kapasitas ekologis berkelanjutan (carrying capacity index) di 5 Destinasi Pariwisata Super Prioritas (DPSP) dan 3 Hub Komplementer Utama di Indonesia.

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

10K Tourism Telemetry Records Across 8 DPSP Hubs

Penyerapan 10.000 data observasi perjalanan wisatawan di 5 DPSP dan 3 Hub Nasional mencakup profil belanja, durasi tinggal, tipe akomodasi, dan moda transportasi.

10.000 Observasi & 26 Kolom Telemetri
2 FEATURE ENGINEERING

Econometric Domain & 50 Encoded Predictors

Rekayasa fitur rasio belanja rombongan, rasio friksi aksesibilitas penerbangan, densitas multiplier ekonomi, penanda libur puncak, dan dekomposisi temporal.

50 Dimensi Kolom Fitur Terenkode
3 CROSS VALIDATION

5-Fold K-Fold Cross Validation & Benchmark

Validasi silang 5-fold menguji 4 algoritma regresi (LightGBM, CatBoost, Random Forest, Ridge) untuk memastikan model bebas overfit dan kebal variasi destinasi.

Komparasi 4 Algoritma Regresi
4 DUAL ENGINE ML

Dual LightGBM Regressors for Occupancy & Ecology

Pelatihan model final LightGBM Regressor: Engine 1 memprediksi okupansi hotel (R² 0.8284) dan Engine 2 memprediksi indeks daya dukung lingkungan (R² 0.9669).

R² 0.8284 (Hotel) & R² 0.9669 (Ecology)
5 XAI & WHAT-IF

SHAP TreeExplainer & Ecological Thresholds

Atribusi nilai fitur menggunakan SHAP serta pengujian skenario What-If dengan ambang batas zona aman (<6.5), zona peringatan (6.5-8.0), dan zona kritis (>8.0).

SHAP TreeExplainer & 3 Ambang Ekologis
6 TWIN-SIMULATOR

Flask Interactive Dashboard & RESTful Web API

Deployment web simulator responsif berbasis Flask dan Tailwind CSS dengan 4 skenario auto-fill, dual gauge bar, kalkulator ekonomi, dan REST API `/api/predict`.

Flask, Tailwind CSS & REST API
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

12 Berkas Proyek 3 Folder Utama Paket ZIP 2.99 MB
carrying_capacity_model.joblib 684.52 KB
AI Model Pratinjau
feature_columns.joblib 2.04 KB
AI Model Pratinjau
hospitality_occupancy_model.joblib 654.48 KB
AI Model Pratinjau
model_metadata.json 1.16 KB
hero_dpsp.jpg 152.47 KB
labuan_bajo.jpg 151.3 KB
index.html 70.04 KB
app.py 14.4 KB
dpsp_green_tourism_hospitality_twin_simulator.ipynb 1.54 MB
Notebook Pratinjau
indonesia_pariwisata_super_prioritas_enriched.csv 14.57 MB
Dataset Pratinjau
requirements.txt 401 B

prediksi-okupansi-hotel-daya-dukung-lingkungan-pariwisata-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 (Intel/Apple Silicon), atau Linux (Ubuntu 20.04+)

Cross-platform compatible

Runtime & Bahasa
Python 3.9, 3.10, atau 3.11 (Disarankan Python 3.10+)

Lingkungan kerja teruji

Memori (RAM)
Min. 4 GB (Disarankan 8 GB untuk komputasi SHAP TreeExplainer dan visualisasi)

Optimal untuk running service

Penyimpanan
Min. 1.2 GB Free Storage (untuk dependensi pustaka, dataset 15 MB, dan model .joblib)

Untuk berkas & dependensi

Database & Layanan
Tidak membutuhkan database SQL (Dataset CSV & model .joblib)
Hardware / Catatan Khusus
Kompatibel penuh di browser modern (Chrome, Edge, Firefox, Safari) via CDN Tailwind CSS

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: 16 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.