README.md

metadata

title: Predictive Waste Analytics
emoji: 🚛
colorFrom: green
colorTo: blue
sdk: docker
app_file: app.py
pinned: false

🌍 Eco-Twin AI: Waste Volume Prediction System

Proyek untuk Hackathon DKI Jakarta 2025 (Case 2)

Eco-Twin AI adalah sistem cerdas berbasis Machine Learning yang dirancang untuk memprediksi lonjakan volume timbulan sampah harian di area Jakarta Pusat. Sistem ini menggunakan arsitektur ganda: Amazon Chronos-T5 (Time-Series Transformer) untuk peramalan (forecasting) dan integrasi Algoritma Pendukung untuk ekstraksi fitur lanjutan (Cuaca, Skala Keramaian, dan Jadwal Event).

---

🚀 Fitur Unggulan (Hackathon Killer Features)

1. Integrasi Kalender Event Otomatis: Sistem secara otomatis membaca file event_jakarta_2025.txt saat server dinyalakan. Jika ada request prediksi yang menyentuh tanggal konser besar (misal: Maroon 5 di JIS), AI akan mendeteksi dan secara akurat menambahkan estimasi volume sampah tanpa input manual tambahan.
2. Asynchronous API Processing: Menggunakan FastAPI dengan run_in_threadpool, memastikan sistem AI tidak memblokir (blocking) pengguna lain saat sedang mengolah model Transformer yang berat.
3. Standar Produksi (CORS & Logging): Aplikasi aman dipanggil secara langsung oleh Frontend (React/Vue/HTML) dan menggunakan sistem logging kelas enterprise.
4. Interactive API Docs (Swagger UI): Endpoint dilengkapi parameter Pydantic lengkap beserta contoh JSON terisi otomatis, sangat cocok untuk didemokan langsung ke Juri.
5. Dekomposisi Sampah SIPSN KLHK 2025: Memprediksi bukan hanya berat total (Ton), tapi juga membedahnya menjadi Sisa Makanan dan Plastik, serta memberikan rekomendasi jumlah armada truk yang dibutuhkan.

---

📂 Struktur File

• app.py : Berisi Core Engine API menggunakan FastAPI dan Amazon Chronos.
• train.py : Script Advanced Feature Engineering dan pelatihan model Gradient Boosting (Eco-Twin Pro) untuk simulasi dataset.
• event_jakarta_2025.txt : Database kalender event yang otomatis dilacak oleh AI.
• dataset_vibe_coder_2025.csv : Dataset historis yang dipakai oleh model.
• .dockerfile : Konfigurasi untuk men-deploy aplikasi ini (misalnya ke Hugging Face Spaces atau server Cloud).
• requirements.txt : Daftar dependensi library Python.

---

🛠️ Cara Menjalankan Sistem

1. Instalasi Kebutuhan (Library)

Pastikan Python sudah terinstal di laptop Anda. Buka Terminal/Command Prompt di dalam folder proyek ini, lalu jalankan:

pip install -r requirements.txt
pip install chronos-forecasting

2. Menjalankan Server API

Jalankan server Uvicorn dengan mode auto-reload agar perubahan kode langsung terbaca:

uvicorn app:app --reload --port 8001

3. Menguji via Swagger (Demonstrasi Juri)

Setelah server berjalan, buka browser dan akses: 👉 http://127.0.0.1:8001/docs

Anda bisa menekan tombol "Try it out" di endpoint /api/v1/predict dan langsung tekan "Execute".

---

📡 Dokumentasi Endpoint API

1. Status Check

Mengecek apakah server hidup dan berapa banyak jadwal event yang berhasil dimuat oleh AI.

• URL: /
• Method: GET
• Response:

{
  "status": "Online",
  "model": "Chronos-T5 Tiny",
  "region": "Jakarta Pusat",
  "events_loaded": 15
}

2. Prediksi Volume Sampah (Forecasting)

Mendapatkan peramalan volume sampah berdasarkan data historis, cuaca, dan event.

• URL: /api/v1/predict
• Method: POST
• Body Request:

{
  "hari_ke_depan": 7,
  "prediksi_hujan_bmkg": 25.5,
  "skala_keramaian": 0
}

• Response JSON:

[
  {
    "tanggal": "2025-02-01",
    "total_volume_ton": 1520.45,
    "sisa_makanan_ton": 758.25,
    "plastik_ton": 348.94,
    "rekomendasi_truk": 153,
    "status_risiko": "CRITICAL ⚠️",
    "info_event": "Konser Maroon 5 di Jakarta International Stadium (JIS)"
  }
]

---

📝 Catatan Penting

• Jika Anda mendapatkan error ModuleNotFoundError: No module named 'chronos', pastikan Anda menginstal package dengan perintah pip install chronos-forecasting (BUKAN pip install chronos).
• Untuk deployment dengan Dockerfile, pastikan untuk mengubah port Uvicorn menyesuaikan provider (misal: HuggingFace Spaces menggunakan --port 7860).