app.py

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(luas_bangunan, luas_tanah, kamar_mandi, kamar_tidur):
    try:
        # Susun data input
        input_data = {
            'Luas_Bangunan_m2': [luas_bangunan],
            'Luas_Tanah_m2': [luas_tanah],
            'kamar_mandi': [kamar_mandi],
            'kamar_tidur': [kamar_tidur]
        }
        input_df = pd.DataFrame(input_data)
        
        # Urutkan kolom sesuai model
        if hasattr(model, 'feature_names_in_'):
            input_df = input_df[model.feature_names_in_]
        
        # Prediksi hasil mentah (Contoh output model: 1.38 atau 2.15)
        predicted_raw = model.predict(input_df)[0]
        
        # ========================================================
        # PERBAIKAN: KARENA MODEL DILATIH DENGAN 'Harga_Miliar', 
        # MAKA KITA KALIKAN 1 MILIAR (1.000.000.000)
        # ========================================================
        predicted_price = predicted_raw * 1_000_000_000
        
        # Format output sebagai harga Rupiah dengan pemisah ribuan
        return f"### 🏡 Estimasi Harga Rumah di Bandung: \n# **Rp {predicted_price:,.0f}**"
        
    except Exception as e:
        return f"⚠️ Terjadi error saat prediksi: {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 (Bandung)</h1>
    <p style='text-align: center;'>Aplikasi Machine Learning (Regresi) untuk memprediksi harga rumah di area Bandung berdasarkan spesifikasi luas dan fasilitas ruangan.</p>
    """)
    
    with gr.Row():
        with gr.Column(scale=1):
            gr.Markdown("**📏 Spesifikasi Luas**")
            luas_tanah = gr.Number(value=176, label="Luas Tanah (m2)")
            luas_bangunan = gr.Number(value=176, label="Luas Bangunan (m2)")
            
            gr.Markdown("**🛏️ Fasilitas Ruangan**")
            kamar_tidur = gr.Slider(minimum=1, maximum=10, value=3, step=1, label="Jumlah Kamar Tidur")
            kamar_mandi = gr.Slider(minimum=1, maximum=10, value=2, step=1, label="Jumlah Kamar Mandi")
            
            btn_predict = gr.Button("💰 Prediksi Harga Wajar", variant="primary")
            
        with gr.Column(scale=1):
            gr.Markdown("**📊 Hasil Analisis AI**")
            out_price = gr.Markdown()
            
    # Hubungkan tombol
    btn_predict.click(
        fn=predict_price,
        inputs=[luas_bangunan, luas_tanah, kamar_mandi, kamar_tidur],
        outputs=out_price
    )

if __name__ == "__main__":
    demo.launch()