🌍 Dashboard Forecasting Emisi Gas Rumah Kaca Global

Deskripsi Umum

Dashboard ini merupakan sistem analisis dan forecasting emisi gas rumah kaca (GHG) global berbasis Machine Learning menggunakan data EDGAR periode 1970–2024. Platform ini dikembangkan untuk membantu peneliti, akademisi, mahasiswa, serta pengambil kebijakan dalam memantau tren emisi karbon dunia secara interaktif dan real-time.

Dashboard mampu menampilkan visualisasi emisi berdasarkan negara, sektor industri, tren historis, serta prediksi emisi masa depan menggunakan algoritma machine learning.

Sistem dibangun menggunakan:

• Python
• Streamlit
• Pandas & NumPy
• Plotly Visualization
• Scikit-Learn Machine Learning

✨ Fitur Utama Dashboard

1. 📊 Analisis Emisi Berdasarkan Sektor

Pengguna dapat memilih negara tertentu untuk melihat kontribusi emisi dari berbagai sektor seperti:

• Energi
• Transportasi
• Industri
• Pertanian
• Limbah
• Residential

Dashboard menampilkan grafik interaktif yang mudah dipahami.

7

2. 🌎 Visualisasi Negara dengan Emisi Tertinggi

Menampilkan negara-negara penyumbang emisi terbesar dunia secara interaktif.

Fitur ini membantu:

• Analisis geopolitik lingkungan
• Studi perubahan iklim
• Penelitian sustainability
• Edukasi lingkungan

7

3. 📈 Forecasting Emisi Menggunakan Machine Learning

Dashboard memanfaatkan algoritma Machine Learning untuk memprediksi tren emisi masa depan berdasarkan pola historis data EDGAR.

Model yang digunakan dapat meliputi:

• Random Forest
• Regression Analysis
• Time Series Forecasting

Manfaat:

• Prediksi peningkatan emisi
• Evaluasi kebijakan lingkungan
• Simulasi skenario iklim

7

4. 🔍 Upload Dataset Sendiri

Pengguna dapat mengunggah dataset Excel sendiri untuk dianalisis langsung melalui dashboard.

Fitur ini mendukung:

• Penelitian mandiri
• Analisis data institusi
• Pembelajaran machine learning
• Pengolahan data lingkungan

4

🎯 Tujuan Pengembangan Dashboard

Dashboard ini dikembangkan untuk:

• Mendukung penelitian perubahan iklim
• Menyediakan media pembelajaran berbasis data
• Membantu analisis emisi global
• Mendukung pengambilan keputusan berbasis data
• Mengintegrasikan machine learning dalam studi lingkungan