Pembangunan SmartHarta AI

Platform SaaS Pengurusan Hartanah dengan Enjin Analitik Ramalan Pembelajaran Mesin Terbenam.

Penyelidik: Syed Muhammad Ashadi bin Syed Azizan Penyelia: Prof. Dr. Mohd Nazri bin Kama

Universiti Teknologi Malaysia (UTM)

Kolaborasi Industri: AVTS Ventures Sdn. Bhd.

Seni Bina Enjin & Pipeline Rubix ML

Integrated ML Layer

Berbeza dengan sistem PropTech tradisional yang hanya bertindak sebagai stor data pasif (*reactive reporting*), **SmartHarta AI** mengintegrasikan keupayaan pemodelan pembelajaran mesin terus di dalam teras rangka kerja backend (Laravel/PHP) menggunakan pustaka **Rubix ML**.

1. Pengekstrakan & Kejuruteraan Ciri (Feature Engineering)

Sistem mengekstrak parameter transaksi masa lampau penyewa menggunakan Eloquent ORM, menukarkan pembolehubah kategori menggunakan pengubahsuai seperti `OneHotConverter` dan menjalankan normalisasi berangka menerusi `ZScaleStandardizer`.

2. Logik Algoritma Pokok Keputusan (Decision Tree)

Algoritma membina nod keputusan berasaskan indeks entropi maklumat daripada data latihan. nod berpecah pada parameter penentu seperti kadar purata hari lewat sewa dan status pekerjaan tetap/kontrak.

3. Penyimpanan & Penyajian Model (Inference Serving)

Model yang terlatih disimpan dalam format terkompresi `model.rbx` pada sistem fail pelayan. Apabila antaramuka landlord memohon paparan, controller akan menyajikan ramalan risiko daripada jadual simpanan tanpa beban pemprosesan tambahan.

Pengukuran Prestasi Model

Ketepatan (Accuracy): 82.4%
Precision (Lewat): 0.81
Recall (Lewat): 0.78
F1-Score: 0.79

Status Keadaan Model

Latihan semula model secara automatik dijadualkan setiap hujung bulan untuk menangani gelinciran kelakuan (*tenant behavior drift*).