Baru Jelajahi project AI & Machine Learning siap pakai lengkap dengan full source code dan tutorial instalasi!
Beranda Katalog Project Tentang Kami Kontak Kami
Pengembangan Sistem Peringatan Dini Untuk Mendeteksi Stres Dan Risiko Kegagalan Akademik Mahasiswa Berbasis Machine Learning
Pengembangan Sistem Peringatan Dini Untuk Mendeteksi Stres Dan Risiko Kegagalan Akademik Mahasiswa Berbasis Machine Learning
Machine Learning Tingkat: Advanced Versi 1.0.0 15 Dilihat
5.0 (0 ulasan)

Pengembangan Sistem Peringatan Dini Untuk Mendeteksi Stres Dan Risiko Kegagalan Akademik Mahasiswa Berbasis Machine Learning

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

Demo & Pengujian Sistem: Pengembangan Sistem Peringatan Dini Untuk Mendeteksi Stres Dan Risiko Kegagalan Akademik Mahasiswa Berbasis Machine Learning

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Pengembangan Sistem Peringatan Dini Untuk Mendeteksi Stres Dan Risiko Kegagalan Akademik Mahasiswa Berbasis Machine Learning via TikTok.

Overview & Cara Kerja

Student Early Stress & Academic Distress Detection (SEAD.AI) Platform merupakan sistem peringatan dini cerdas berbasis Machine Learning dan Deep Learning yang dirancang untuk mendeteksi tingkat stres, kejenuhan emosional (burnout), serta risiko kegagalan studi/putus kuliah (academic drop-out) pada mahasiswa secara preventif berdasarkan integrasi data multimodal (demografis, historis akademik, perilaku keaktifan Learning Management System, serta indikator psikologis).

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 AUDIT

289K Student Multimodal Data & Leakage Isolation

Akuisisi 289.161 rekaman data mahasiswa mencakup 40 variabel, audit integritas nilai hilang, serta isolasi ketat kolom komposit akhir untuk mencegah data leakage.

289.161 Data Mahasiswa & Zero Leakage
2 UNSUPERVISED

K-Means & PCA Behavioral Archetypes Clustering

Segmentasi perilaku tanpa supervisi untuk mengidentifikasi pola tersembunyi antara stres psikologis, keaktifan LMS, dan ketahanan akademik.

K-Means Archetypes & PCA Decomposition
3 DATA PREPROCESSING

StandardScaler & Stratified 80:20 Partitioning

Partisi data terstratifikasi menghasilkan 231.328 data latih dan 57.833 data uji holdout, dipadukan pipeline transformasi 33 fitur numerik dan kategorikal.

Stratified Split 80:20 & 33 Fitur Input
4 12-MODEL BENCHMARK

Evaluation of 10 Classical ML, Ensemble & PyTorch MLP

Uji komparasi 10 model ML klasik, Voting Ensemble, dan Deep Tabular MLP; CatBoost dinobatkan sebagai Champion dengan Akurasi 94.19% dan F1-Score 0.9367.

Akurasi 94.19% & ROC-AUC 0.9892
5 CLINICAL TRIAGE

High-Sensitivity Threshold & 3-Band Triage

Kalibrasi ambang batas sensitivitas tinggi (tau = 0.2953) yang menaikkan recall ke 96.00% dan pembagian 3 pita intervensi (Hijau, Kuning, Merah).

Recall 96.00% & 964 Kasus Terselamatkan
6 WEB DEPLOYMENT

SEAD.AI Flask Dashboard & RESTful API

Implementasi web portal peringatan dini interaktif dengan 3 preset skenario demo, kalkulator risiko real-time, generator pemicu risiko, dan endpoint REST API.

Flask Server, Tailwind CSS & REST API
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

12 Berkas Proyek 2 Folder Utama Paket ZIP 12.96 MB
hero_student_analytics.jpg 765.95 KB
hero_student_analytics.png 765.95 KB
index.html 65.98 KB
app.py 7.63 KB
best_pytorch_student_mlp.pt 71.26 KB
AI Model Pratinjau
best_student_stress_model.joblib 131.64 KB
AI Model Pratinjau
data_dictionary.csv 6.97 KB
Dataset Pratinjau
final_student_dataset.csv 53.37 MB
Dataset Pratinjau
model_metadata.json 1.78 KB
requirements.txt 436 B
student_stress_academic_distress_detection.ipynb 1.6 MB
Notebook Pratinjau

sistem-peringatan-dini-stres-kegagalan-akademik-mahasiswa-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 memuat dataset 289k dan training PyTorch)

Optimal untuk running service

Penyimpanan
Min. 1.5 GB Free Storage (untuk dependensi pustaka, dataset 56MB, dan artefak model)

Untuk berkas & dependensi

Database & Layanan
Tidak membutuhkan database SQL (Dataset CSV & model .joblib / .pt)
Hardware / Catatan Khusus
CPU berjalan sangat cepat untuk inferensi web Flask (< 1 ms per request)

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: 15 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, PyTorch, HTML
  • 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.