Upload 3 files

app.py

@@ -0,0 +1,64 @@
+import gradio as gr
+import pandas as pd
+import joblib
+
+# 1. LOAD MODEL
+print("Memuat model Real Estate Valuation...")
+model = joblib.load('real_estate_model.pkl')
+
+# 2. FUNGSI PREDIKSI REGRESI
+def predict_price(house_age, distance_mrt, num_stores, latitude, longitude):
+    # Susun data input ke dalam DataFrame.
+    # PENTING: Sesuaikan nama kolom di bawah ini dengan nama kolom saat Anda melakukan training di Colab!
+    input_df = pd.DataFrame([[
+        house_age, distance_mrt, num_stores, latitude, longitude
+    ]], columns=['X2 house age', 'X3 distance to the nearest MRT station', 'X4 number of convenience stores', 'X5 latitude', 'X6 longitude'])
+    
+    try:
+        # Lakukan prediksi (menghasilkan angka kontinu/harga)
+        predicted_price = model.predict(input_df)[0]
+        
+        # Format output sebagai harga
+        return f"### 🏡 Estimasi Harga Properti (per unit area): \n# **${predicted_price:,.2f}**"
+    except Exception as e:
+        return f"⚠️ Terjadi error saat prediksi: Cek apakah nama kolom input sudah sesuai dengan model Anda. Error: {str(e)}"
+
+# 3. ANTARMUKA GRADIO
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown("""
+    <h1 style='text-align: center;'>🏙️ AI Real Estate Valuation</h1>
+    <p style='text-align: center;'>Aplikasi Machine Learning (Regresi) untuk memprediksi harga wajar suatu properti berdasarkan fasilitas di sekitarnya.</p>
+    """)
+    
+    with gr.Row():
+        with gr.Column(scale=1):
+            gr.Markdown("**📍 Spesifikasi & Lokasi Properti**")
+            house_age = gr.Slider(minimum=0, maximum=50, value=15, step=1, label="Usia Rumah (Tahun)")
+            distance_mrt = gr.Number(value=500, label="Jarak ke Stasiun MRT Terdekat (Meter)")
+            num_stores = gr.Slider(minimum=0, maximum=10, value=4, step=1, label="Jumlah Minimarket/Toko Terdekat")
+            
+            gr.Markdown("**🗺️ Koordinat Geografis**")
+            latitude = gr.Number(value=24.97, label="Garis Lintang (Latitude)")
+            longitude = gr.Number(value=121.54, label="Garis Bujur (Longitude)")
+            
+            btn_predict = gr.Button("💰 Prediksi Harga Wajar", variant="primary")
+            
+        with gr.Column(scale=1):
+            gr.Markdown("**📊 Hasil Analisis AI**")
+            out_price = gr.Markdown()
+            
+            gr.Markdown("""
+            ---
+            **💡 Info Model:**
+            Model ini menggunakan algoritma Regresi untuk menemukan pola hubungan antara jarak fasilitas umum (seperti MRT dan minimarket) terhadap harga tanah/bangunan di area tersebut.
+            """)
+            
+    # Hubungkan tombol
+    btn_predict.click(
+        fn=predict_price,
+        inputs=[house_age, distance_mrt, num_stores, latitude, longitude],
+        outputs=out_price
+    )
+
+if __name__ == "__main__":
+    demo.launch()

real_estate_model.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:d80ad00ce97bc604a6340b7bc34d1794aed08083fc6ae034b367047ce59bcf60
+size 5550785

requirements.txt

@@ -0,0 +1,3 @@
+pandas
+scikit-learn
+joblib