Gramaidon/predict-co2-rwanda

# 🌍 Predict CO2 Emissions in Rwanda ## 📌 Project Overview Proyek ini bertujuan untuk mengembangkan model *machine learning* yang mampu memprediksi tingkat emisi CO2 mingguan di berbagai lokasi di Rwanda. Hasil prediksi ini dirancang untuk mengeksplorasi berbagai skenario polutan, sehingga dapat membantu pembuat kebijakan dalam memahami konsekuensi lingkungan dan merencanakan program pengurangan emisi, seperti pengembangan energi terbarukan. * **Peran Saya:** Project Leader & Data Analyst (Tim PyBoys). * **Dataset:** Data kompetisi Kaggle yang terdiri dari pengamatan emisi mingguan di 497 lokasi unik di Rwanda (Data latih: 2019-2021, Data uji: 2022). ## 🔬 Methodology & Workflow ### 1. Exploratory Data Analysis (EDA) Melalui analisis data eksploratif, ditemukan beberapa *insight* krusial: * **Tren Siklis:** Emisi CO2 memiliki pola siklis di mana tingkat emisi cenderung naik selama 8-10 minggu, kemudian turun selama 8-10 minggu, dan berulang. * **Anomali Pandemi:** Terdapat anomali tren pada tahun 2020 akibat kebijakan *lockdown* pandemi COVID-19, yang menyebabkan polanya berbeda dari tahun 2019 dan 2021. * **Distribusi Target:** Terdapat *outliers* yang signifikan pada variabel target emisi. * **Missing Values:** Fitur `UvAerosolLayerHeight` memiliki data kosong ekstrem (lebih dari 90%). ### 2. Data Preparation & Engineering Untuk menangani kompleksitas data, beberapa teknik pra-pemrosesan diterapkan: * **Penanganan Missing Values:** Menghapus kolom dengan data kosong >60%, menggunakan algoritma *KNN Imputer* untuk kolom dengan kekosongan 10-60%, dan *Mean Imputation* untuk kekosongan ` ` ## 🚀 Deployment (Streamlit Web App) Logika prediksi dari model yang telah dilatih kemudian diintegrasikan ke dalam antarmuka aplikasi web interaktif menggunakan antarmuka **Streamlit**. Aplikasi ini memuat fitur deskripsi data, analitik, dan panel *Predict Emission* berbasis koordinat peta. 🔗 **Coba Aplikasi Web secara langsung:** PyBoys CO2 Emission Prediction ` ` --- *Cat …