Car price prediction data science

Prediksi harga mobil berbasis dataset Car_sales.xlsx dengan alur CRISP-DM, model LinearRegression, notebook Google Colab, dan web app FastAPI.

Google Colab · Live web app · Notebook · Dataset

---

Ringkasan

Project ini dibuat untuk tugas akhir mata kuliah Sains Data. Dataset yang digunakan berisi data penjualan mobil, harga, dan spesifikasi teknis. Dari data tersebut saya membuat analisis top 10 mobil dengan penjualan tertinggi, rekomendasi spesifikasi berbasis median top sales, serta model prediksi harga mobil menggunakan LinearRegression.

Output utama project:

• notebook Google Colab yang bisa dijalankan dari awal sampai akhir,
• model baseline LinearRegression dengan split train/test 80:20,
• evaluasi RMSE, R2 Score, cross-validation, dan scatter plot actual vs predicted,
• web app sederhana untuk mencoba prediksi harga dari input spesifikasi mobil.

Preview web app

Alur project

flowchart LR
    A[Car_sales.xlsx] --> B[Load dan audit data]
    B --> C[Missing value handling]
    C --> D[EDA top 10 sales]
    D --> E[Rekomendasi spesifikasi]
    C --> F[Train/test split 80:20]
    F --> G[LinearRegression]
    G --> H[RMSE, R2, CV RMSE]
    G --> I[Prediksi harga]
    I --> J[FastAPI web app]

Loading

Hasil utama

Bagian	Hasil
Dataset	157 baris, 16 kolom
Target	Price_in_thousands
Model	LinearRegression
Fitur final	8 fitur numerik spesifikasi mobil
Split	80% training, 20% testing
RMSE test	7.389 ribu USD
R2 Score test	0.746
CV RMSE mean	7.134 ribu USD
Web app	https://car-ds.aquarise.my.id/

Power_perf_factor diaudit tetapi tidak digunakan pada model final karena terlalu dekat dengan harga dan membuat evaluasi terlihat hampir sempurna pada dataset kecil.

Struktur repo

car-price-prediction-ds/
├── api/                  # Backend FastAPI
├── assets/screenshots/   # Folder screenshot untuk README
├── data/raw/             # Dataset asli
├── deploy/               # Script deployment VPS
├── notebooks/            # Notebook final Google Colab
├── scripts/              # Script validasi dan smoke test
├── src/                  # Preprocessing, modeling, visualisasi
├── tests/                # Test pipeline dan API
└── web/                  # Frontend HTML/CSS/JS

Jalankan notebook di Google Colab

Buka link berikut:

https://colab.research.google.com/github/feb027/car-price-prediction-ds/blob/main/notebooks/car_price_prediction_crispdm.ipynb

Di Colab, jalankan:

1. Runtime → Run all
2. tunggu semua cell selesai,
3. cek bagian evaluasi dan prediksi harga di akhir notebook.

Notebook memakai path relatif dan fallback upload file, jadi tetap bisa dijalankan jika dataset belum terbaca otomatis.

Jalankan web app lokal

git clone https://github.com/feb027/car-price-prediction-ds.git
cd car-price-prediction-ds
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
uvicorn api.main:app --host 127.0.0.1 --port 8516

Buka:

http://127.0.0.1:8516/

Health check:

curl http://127.0.0.1:8516/api/health

Expected output:

{"status":"ok"}

API singkat

Method	Endpoint	Fungsi
GET	/	halaman web prediksi
GET	/api/health	cek status backend
GET	/api/metadata	metadata fitur, model, dan top sales
POST	/api/predict	prediksi harga dari spesifikasi mobil

Contoh request prediksi:

curl -X POST http://127.0.0.1:8516/api/predict \
  -H "Content-Type: application/json" \
  -d '{
    "Engine_size": 2.4,
    "Horsepower": 180,
    "Wheelbase": 108,
    "Width": 70,
    "Length": 190,
    "Curb_weight": 3.2,
    "Fuel_capacity": 17,
    "Fuel_efficiency": 28
  }'

Validasi

python3 scripts/validate_dataset.py
python3 scripts/smoke_app_pipeline.py
python3 -m pytest -q

Validasi terakhir:

9 passed

Deployment

Aplikasi publik berjalan di:

https://car-ds.aquarise.my.id/

Untuk VPS dengan Caddy, contoh konfigurasi ada di deploy/Caddyfile.example.

Batasan

• Dataset hanya 157 baris, sehingga hasil belum bisa dianggap sebagai model produksi.
• Model linear tidak selalu menangkap hubungan harga yang kompleks.
• Fitur seperti kondisi mobil, tahun produksi detail, varian trim, dan tren pasar terbaru tidak tersedia di dataset.
• Rentang prediksi berbasis RMSE hanya estimasi kasar, bukan interval statistik formal.

Identitas

Field	Isi
Nama	Febnawan Fatur Rochman
NPM	237006029
Kelas	Informatika A
Mata kuliah	Sains Data