Baru Jelajahi project AI & Machine Learning siap pakai lengkap dengan full source code dan tutorial instalasi!
Beranda Katalog Project Tentang Kami Kontak Kami
Prediksi Risiko Lemas dan Tremor Pasca-Konsumsi Minuman Berkafein Menggunakan Machine Learning
Prediksi Risiko Lemas dan Tremor Pasca-Konsumsi Minuman Berkafein Menggunakan Machine Learning
Machine Learning Tingkat: Intermediate Versi 1.0.0 33 Dilihat
5.0 (0 ulasan)

Prediksi Risiko Lemas dan Tremor Pasca-Konsumsi Minuman Berkafein Menggunakan Machine Learning

Teknologi: Python Flask HTML CSS JavaScript Tailwind CSS
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Prediksi Risiko Lemas dan Tremor Pasca-Konsumsi Minuman Berkafein Menggunakan Machine Learning

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Prediksi Risiko Lemas dan Tremor Pasca-Konsumsi Minuman Berkafein Menggunakan Machine Learning via TikTok.

Overview & Cara Kerja

CaffeineCrash AI merupakan sistem kecerdasan buatan (Artificial Intelligence) berbasis Supervised Machine Learning, pemodelan biofisika farmakokinetik, dan Explainable AI (XAI) yang dirancang untuk memprediksi, mengklasifikasi, dan membedah tingkat keparahan risiko kelelahan ekstrem (caffeine crash), gemetar neuromuskular (jitters), dan kecemasan akut (anxiety) pasca-konsumsi berbagai produk stimulan berkafein (kopi seduh, espresso, matcha, suplemen pre-workout, serta minuman energi manis/bebas gula).

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 DATASET & AUDIT

8.000 Telemetry Cohort Ingestion

Ingesti dan audit integritas 8.000 baris data telemetri konsumsi kafein dan respons fisiologis tanpa missing value (zero missing values), memeriksa distribusi 18 variabel serta 4 kelas target keparahan crash.

Pandas & Telemetry Audit
2 FEATURE ENGINEERING

Pharmacological Feature Formulation

Formulasi 5 fitur farmakologis biofisika (rasio kafein-tidur, rasio gula-kafein, laju absorpsi, indeks hidrasi, dan rasio tremor-detak jantung) serta pencegahan 100% target data leakage dengan mengeksklusi variabel post-event.

Biophysical Feature Ratios
3 PREPROCESSING

StandardScaler & One-Hot Encoding Alignment

Penyekalaan fitur numerik dengan StandardScaler, One-Hot Encoding fitur kategorikal (menghasilkan 26 dimensi fitur terlatih), dan pembagian data Stratified Train-Test 80:20 berbobot seimbang.

Scikit-Learn Pipeline
4 BENCHMARK & XAI

8-Algorithm Benchmark & SHAP Interpretability

Pelatihan komparatif 8 algoritma Machine Learning via Stratified 5-Fold Cross Validation (Logistic Regression unggul dengan Test Accuracy 80.06% & Macro F1 80.23%) serta analisis interpretabilitas fitur SHAP TreeExplainer.

Logistic Regression & SHAP XAI
5 DEPLOYMENT

Flask Web Dashboard & Real-Time API

Deployment pipeline produksi ke antarmuka web interaktif Flask 3.0 dan Tailwind CSS bertema Precision Medical Blue & White, dilengkapi kalkulator risiko, preset instan, dan endpoint RESTful API `/predict` berkecepatan < 20 milidetik.

Flask & Tailwind CSS
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

8 Berkas Proyek 1 Folder Utama Paket ZIP 1.1 MB
index.html 62.46 KB
app.py 9 KB
best_caffeine_crash_model.joblib 5.66 KB
AI Model Pratinjau
caffeine_crash_and_anxiety_telemetry.csv 983.75 KB
Dataset Pratinjau
CaffeineCrash_AI_Telemetry_XAI.ipynb 1.25 MB
Notebook Pratinjau
README.md 4.84 KB
markdown Pratinjau
requirements.txt 602 B

prediksi-risiko-lemas-tremor-kafein-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, macOS (Intel/Apple Silicon), Linux (Ubuntu 20.04+)

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 eksplorasi data, pelatihan 8 model ML, dan kalkulasi SHAP)

Optimal untuk running service

Penyimpanan
Min. 500 MB Free Storage (Dataset CSV 1 MB, model .joblib 5.7 KB, dan pustaka Python)

Untuk berkas & dependensi

Database & Layanan
Tidak membutuhkan database SQL eksternal (Dataset CSV & artefak model .joblib mandiri / self-contained)
Hardware / Catatan Khusus
CPU standar multi-core sangat memadai; pelatihan seluruh 8 model hanya membutuhkan ~15 detik dan latensi inferensi Flask < 20 milidetik

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: 33 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.