🚗 UK Used Car Valuation System (End-to-End Machine Learning)

Aplikasi berbasis AI untuk memprediksi harga pasar mobil bekas di Inggris (UK) berdasarkan spesifikasi kendaraan. Proyek ini dibangun dengan metodologi Data Science End-to-End, mulai dari pembersihan data (Data Cleaning), analisis visual (EDA), hingga deployment model menggunakan Streamlit.

📸 Demo Aplikasi

Berikut adalah tampilan antarmuka saat sistem berhasil memprediksi harga mobil dengan akurasi tinggi:

Dashboard menampilkan estimasi harga, rentang harga wajar, dan konversi ke Rupiah.

🎯 Fitur Utama

• Akurasi Tinggi: Menggunakan algoritma Random Forest Regressor dengan R2 Score: 94.4%.
• Estimasi Real-Time: Memberikan prediksi harga dalam mata uang GBP (£) dan estimasi Rupiah (IDR).
• Rentang Harga Wajar: Menampilkan batas bawah dan atas harga wajar berdasarkan Mean Absolute Error (MAE).
• Interactive Dashboard: Antarmuka web modern dengan input sidebar dan validasi data.

📊 Insight & Visualisasi Data

Sebelum pemodelan, dilakukan analisis mendalam (Exploratory Data Analysis) untuk memahami pola harga:

1. Korelasi Fitur (Correlation Heatmap) Terlihat bahwa engineSize (Ukuran Mesin) memiliki korelasi positif terkuat terhadap harga, sedangkan mileage (KM) memiliki korelasi negatif.

2. Distribusi Harga per Merek Brand seperti Mercedes-Benz dan Audi memiliki median harga tertinggi, sedangkan Vauxhall menjadi opsi paling ekonomis.

🛠️ Alur Kerja & Teknologi

Dataset berasal dari 100,000 UK Used Car Data set di Kaggle.

Langkah Pengerjaan:

1. Data Ingestion: Menggabungkan file CSV terpisah dari berbagai merek (Audi, BMW, Ford, dll).
2. Data Cleaning:
   • Standardisasi nama kolom (tax vs tax(£)).
   • Mapping nama brand (cclass -> Mercedes-Benz).
   • Handling missing values & duplikat.
3. Model Engineering: Membangun Scikit-Learn Pipeline dengan OneHotEncoder dan StandardScaler.
4. Deployment: Membuat web app interaktif dengan Streamlit.

🚀 Cara Menjalankan (Installation)

1. Clone Repository ini:

   git clone [https://github.com/akmalgoldi/car-price-prediction.git](https://github.com/akmalgoldi/car-price-prediction.git)
   cd car-price-prediction

2. Install Library yang Dibutuhkan:

   pip install -r requirements.txt

3. Jalankan Aplikasi:

   streamlit run app.py

📂 Struktur Folder

├── data/               # Dataset mentah dan yang sudah dibersihkan
├── docs/               # Aset gambar untuk dokumentasi
├── models/             # Model .pkl yang sudah dilatih
├── notebooks/          # Jupyter Notebooks (Cleaning, EDA, Training)
├── app.py              # Main Application File
├── requirements.txt    # Dependencies
└── README.md           # Dokumentasi Proyek