Skip to content
BranchesTags

Repository files navigation

🚛 Waste Management Operational System (DLH API)

Sistem Backend berbasis Next.js API Route yang mengintegrasikan AI dengan logika operasional lapangan untuk Dinas Lingkungan Hidup (DLH). Sistem ini melakukan prediksi volume sampah dan menghitung kebutuhan logistik secara real-time.

🚀 Fitur Utama

  • AI-Driven Prediction: Mengintegrasikan model Chronos-T5 Tiny untuk estimasi volume sampah.

  • Dynamic Operational Scaling: Kalkulasi otomatis jumlah truk, personel, dan man-hours berdasarkan beban sampah yang masuk.

  • Hybrid Logic System:

  • Mode AI: Digunakan untuk lokasi yang terdaftar dalam dataset (Contoh: Jakarta Pusat).

  • Mode Fallback: Kalkulasi mandiri berbasis jumlah pengunjung untuk lokasi luar jangkauan (Contoh: JIS, GBK).

  • Spatial Data Ready: Integrasi koordinat (Lat/Lng) untuk pemetaan armada di dashboard.

🛠️ Tech Stack

  • Framework: Next.js 14 (App Router)
  • Language: TypeScript
  • AI Integration: Hugging Face Inference API
  • Deployment: Vercel / Localhost

📊 Parameter Kalkulasi (Standar DLH)

Sistem menggunakan standar operasional berikut:

  • Konversi Berat: 1 m³ sampah ≈ 0.4 Ton.
  • Kapasitas Armada: 5 m³ per truk.
  • Personel: 3 orang per armada (1 Driver, 2 Crew).
  • Shift Kerja: 8 jam kerja/hari.

🔌 API Endpoint

POST /api/waste

Menerima input lokasi dan estimasi pengunjung untuk menghasilkan rencana operasional.

Contoh Request Body:

{
  "locationName": "Stadion JIS",
  "visitorEstimate": 80000
}

Contoh Response Output:

{
    "status": "success",
    "data": {
        "location": "Stadion JIS",
        "metrics": {
            "total_volume": "60.0 m3",
            "total_weight": "24.0 Ton",
            "required_trucks": 12,
            "required_staff": 36,
            "total_man_hours": 288
        },
        "summary": "Analisis Operasional Stadion JIS: Estimasi sampah 24.0 Ton. Mobilisasi 12 unit truk dan 36 personel."
    }
}

📈 Alur Kerja Sistem

  1. Input: Menerima nama lokasi dan estimasi massa dari Frontend.
  2. AI Sync: Menghubungi API AI untuk mendapatkan data historis keramaian.
  3. Logika Dinamis: Jika lokasi tidak ada di dataset AI, sistem beralih ke kalkulasi berbasis visitor ratio agar hasil tetap akurat.
  4. Final Output: Data dikirim ke Frontend untuk visualisasi peta dan tabel logistik.

📋 Dokumentasi REST API Waste Management - Untuk Frontend

Dokumentasi lengkap untuk memudahkan tim frontend dalam mengintegrasikan REST API Waste Management.

📌 Ringkasan Proyek

Proyek ini adalah REST API berbasis Next.js dengan Prisma ORM dan MySQL database untuk manajemen limbah (waste management). API ini memprediksi volume limbah berdasarkan lokasi dan jumlah pengunjung, serta menyimpan log prediksi ke database.

Tech Stack:

  • Framework: Next.js 16.2.6
  • ORM: Prisma 5.22.0
  • Database: MySQL
  • Language: TypeScript & JavaScript
  • Styling: Tailwind CSS 4

🚀 Endpoint Utama

Base URL

POST /api/waste

Description: Endpoint untuk mendapatkan prediksi volume limbah berdasarkan lokasi dan data pengunjung.

📤 Request Format

Method: POST

Headers

{
  "Content-Type": "application/json"
}

Body Parameters

Parameter Type Required Description
locationName string Yes Nama lokasi/area (contoh: "JIS", "GBK", "Ice BSD", "Jakarta Pusat", "Jakarta Selatan")
(custom fields) any No Field tambahan sesuai kebutuhan AI service

Request Example

{
  "locationName": "jis",
  "visitor_count": 5000
}

📥 Response Format

Success Response (200)

{
  "status": "success",
  "message": "Prediction completed successfully",
  "confidence_score": 0.85,
  "generated_at": "2026-05-12T10:30:45.123Z",
  "data": {
    "location": "JIS",
    "is_area_registered": true,
    "coordinates": {
      "lat": -6.1214,
      "lng": 106.8830
    },
    "waste_summary": {
      "total_volume_ton": 12.5,
      "total_food_waste_ton": 8.3,
      "total_plastic_ton": 2.1
    },
    "prediction_results": [
      {
        "lokasi": "JIS",
        "total_volume_ton": 12.5,
        "sisa_makanan_ton": 8.3,
        "plastik_ton": 2.1,
        "rekomendasi_truk": 3,
        "calculated_staff": 9,
        "man_hours": 72,
        "weight_kg": 12500
      }
    ],
    "logistics_plan": {
      // Data dari AI service untuk perencanaan logistik
    },
    "database_log": {
      "id": 1,
      "areaId": 1,
      "prediction_date": "2026-05-12T10:30:45.123Z",
      "volume_ton": 12.5,
      "confidence_score": 0.85,
      "risk_status": "HIGH",
      "created_at": "2026-05-12T10:30:45.123Z"
    }
  }
}

Error Response (500)

{
  "status": "error",
  "message": "Error message describing the issue"
}

🗂️ Data Structure (Prisma Schema)

1. MasterArea

Menyimpan data area/lokasi yang terdaftar dalam sistem.

model MasterArea {
  id          Int             @id @default(autoincrement())
  name        String          @unique
  latitude    Float
  longitude   Float
  predictions PredictionLog[]
  permits     CrowdPermit[]
}
Field Type Description
id Int ID unik area
name String Nama area (unik, contoh: "JIS", "GBK")
latitude Float Koordinat latitude lokasi
longitude Float Koordinat longitude lokasi
predictions Relation Relasi ke PredictionLog
permits Relation Relasi ke CrowdPermit

Contoh Data:

id=1, name="JIS", latitude=-6.1214, longitude=106.8830
id=2, name="GBK", latitude=-6.2185, longitude=106.8018

2. PredictionLog

Menyimpan log setiap prediksi limbah yang dibuat.

model PredictionLog {
  id               Int        @id @default(autoincrement())
  areaId           Int
  area             MasterArea @relation(fields: [areaId], references: [id])
  prediction_date  DateTime
  volume_ton       Float
  confidence_score Float
  risk_status      String
  created_at       DateTime   @default(now())
}
Field Type Description
id Int ID unik log prediksi
areaId Int ID area dari MasterArea
area Relation Relasi ke MasterArea
prediction_date DateTime Tanggal prediksi dibuat
volume_ton Float Total volume limbah dalam ton
confidence_score Float Skor akurasi prediksi (0-1)
risk_status String Status risiko: "LOW", "MEDIUM", "HIGH"
created_at DateTime Timestamp data dibuat

Risk Status Rules:

  • HIGH: volume_ton > 10
  • MEDIUM: volume_ton > 5 dan ≤ 10
  • LOW: volume_ton ≤ 5

3. TpaFacility

Menyimpan data fasilitas TPA (Tempat Pembuangan Akhir).

model TpaFacility {
  id               Int    @id @default(autoincrement())
  name             String
  max_capacity_ton Float
  current_load_ton Float
}
Field Type Description
id Int ID unik fasilitas
name String Nama TPA
max_capacity_ton Float Kapasitas maksimal (ton)
current_load_ton Float Muatan saat ini (ton)

4. CrowdPermit

Menyimpan data izin keramaian/event besar.

model CrowdPermit {
  id              Int        @id @default(autoincrement())
  areaId          Int
  area            MasterArea @relation(fields: [areaId], references: [id])
  event_name      String
  event_date      DateTime
  estimated_crowd Int
  status          String     @default("PENDING")
}
Field Type Description
id Int ID unik izin
areaId Int ID area dari MasterArea
area Relation Relasi ke MasterArea
event_name String Nama event/keramaian
event_date DateTime Tanggal event
estimated_crowd Int Estimasi jumlah pengunjung
status String Status: "PENDING", "APPROVED", "REJECTED"

5. FleetInventory

Menyimpan data inventaris armada truk/kendaraan.

model FleetInventory {
  id                     Int    @id @default(autoincrement())
  truck_type             String
  total_units            Int
  ready_units            Int
  capacity_per_truck_ton Float
}
Field Type Description
id Int ID unik armada
truck_type String Jenis truk (contoh: "10T", "5T")
total_units Int Total unit tersedia
ready_units Int Unit yang siap operasional
capacity_per_truck_ton Float Kapasitas per truk (ton)

6. OperationalParam

Menyimpan parameter operasional sistem.

model OperationalParam {
  param_key   String @id
  param_value Float
}
Field Type Description
param_key String Kunci parameter (ID unik)
param_value Float Nilai parameter

🔌 Integrasi Library (app/lib/waste-api.tsx)

WastePredictionService

Library client-side untuk berkomunikasi dengan AI Prediction Service dan REST API.

import { wasteService } from '@/app/lib/waste-api';

// Menggunakan service
const result = await wasteService.predict({
  locationName: "jis",
  visitor_count: 5000
});

API Signature

async predict(payload: Record<string, any>): Promise<any>
Parameter Type Description
payload Record<string, any> Objek yang berisi parameter prediksi

Return Value

Mengembalikan JSON response dari /api/waste endpoint.

Error Handling

Jika request gagal, service akan melempar error dengan pesan:

AI API Error: {status_code} - {error_details}

Contoh Penggunaan di Frontend

// pages/prediction.tsx atau component
import { wasteService } from '@/app/lib/waste-api';
import { useState } from 'react';

export default function PredictionPage() {
  const [loading, setLoading] = useState(false);
  const [result, setResult] = useState(null);
  const [error, setError] = useState(null);

  const handlePredict = async (location: string, visitors: number) => {
    try {
      setLoading(true);
      setError(null);
      
      const data = await wasteService.predict({
        locationName: location,
        visitor_count: visitors
      });
      
      setResult(data);
    } catch (err: any) {
      setError(err.message);
    } finally {
      setLoading(false);
    }
  };

  return (
    <div>
      <button onClick={() => handlePredict('jis', 5000)}>
        Predict
      </button>
      
      {loading && <p>Loading...</p>}
      {error && <p style={{color: 'red'}}>Error: {error}</p>}
      {result && (
        <div>
          <h3>Hasil Prediksi</h3>
          <p>Total Limbah: {result.data.waste_summary.total_volume_ton} ton</p>
          <p>Status Risiko: {result.data.database_log?.risk_status}</p>
          <p>Skor Kepercayaan: {result.confidence_score}</p>
        </div>
      )}
    </div>
  );
}

🎯 Use Case: Flow Lengkap

Scenario: Prediksi Limbah untuk Event Besar di JIS

  1. Frontend mengirim request:

    POST /api/waste
Content-Type: application/json

{
  "locationName": "jis",
  "visitor_count": 5000
}

  2. Backend flow (/api/waste/route.ts):

    • Menerima request dari frontend
    • Mengirim ke AI Prediction Service via wasteService.predict()
    • Mendapat response dengan prediksi volume limbah per kategori
    • Mencari area di database berdasarkan nama lokasi
    • Menghitung total limbah (food waste + plastic + lainnya)
    • Menyimpan log ke PredictionLog di database
    • Menambahkan kalkulasi (staff needed, man-hours, weight)
    • Mengembalikan response lengkap ke frontend

  3. Frontend menerima response:

    {
  "status": "success",
  "data": {
    "location": "JIS",
    "is_area_registered": true,
    "waste_summary": {
      "total_volume_ton": 12.5,
      "total_food_waste_ton": 8.3,
      "total_plastic_ton": 2.1
    },
    "prediction_results": [
      {
        "lokasi": "JIS",
        "total_volume_ton": 12.5,
        "calculated_staff": 9,
        "man_hours": 72
      }
    ]
  }
}

  4. Frontend menampilkan:

    • Peta lokasi dengan koordinat
    • Ringkasan limbah
    • Estimasi staff dan jam kerja
    • Rekomendasi truk
    • Status risiko

🗺️ Location Mapping

Berikut mapping lokasi dengan koordinat (hardcoded di route.ts):

Lokasi Latitude Longitude
JIS -6.1214 106.8830
GBK -6.2185 106.8018
Ice BSD -6.3006 106.6523
Jakarta Pusat -6.1753 106.8271
Jakarta Selatan -6.2615 106.8106

Default (jika lokasi tidak ditemukan): -6.2088, 106.8456

💡 Best Practices untuk Frontend

1. Caching

// Jangan gunakan cache untuk request prediksi (API sudah set: "no-store")
// Tapi Anda bisa cache di frontend dengan kondisi tertentu

2. Error Handling

try {
  const result = await wasteService.predict(payload);
  // Handle success
} catch (error) {
  // Status code 5xx = Server error
  // Tampilkan user-friendly message
}

3. Loading State

// Selalu tampilkan loading indicator saat request sedang berlangsung
// Endpoint ini bergantung pada AI service (bisa slow)

4. Data Validation

// Pastikan locationName tidak null/undefined
// Validate visitor_count adalah angka positif
if (!locationName || visitor_count <= 0) {
  throw new Error('Invalid input');
}

5. Response Parsing

// Response structure dijamin consistent, tapi tetap validate
if (response.data?.waste_summary) {
  const { total_volume_ton, total_food_waste_ton } = response.data.waste_summary;
  // Use data
}

🔑 Environment Variables

Untuk menjalankan aplikasi, Anda perlu konfigurasi:

# .env.local
DATABASE_URL="mysql://user:password@localhost:3306/waste_db"
API_URL="https://your-ai-service.com/predict"

📊 Database Diagram (Simplified)

MasterArea
  ├─→ PredictionLog (one-to-many)
  └─→ CrowdPermit (one-to-many)

TpaFacility (standalone)
FleetInventory (standalone)
OperationalParam (standalone)

🧪 Testing Request dengan Curl

curl -X POST http://localhost:3000/api/waste \
  -H "Content-Type: application/json" \
  -d '{
    "locationName": "jis",
    "visitor_count": 5000
  }'

📞 Troubleshooting

Issue Cause Solution
500 Error "AI API Error" AI Service tidak responsive Cek connection ke AI service, verifikasi API_URL
"Area not found" response Lokasi tidak terdaftar di database Gunakan lokasi yang terdaftar (JIS, GBK, dll)
confidence_score = 0 AI service tidak return skor Validate response dari AI service
Database log tidak tersimpan Area ID tidak valid Pastikan area sudah di-setup di MasterArea

📝 Notes untuk Developer

  1. Coordinates Hardcoded: Jika perlu update koordinat, edit COORDINATES_MAP di route.ts
  2. Risk Status Calculation: Otomatis berdasarkan volume_ton (bisa di-customize)
  3. Staff Calculation: Formula truckCount * 3 per truk (bisa di-adjust sesuai SOP)
  4. Database Logging: Hanya log jika area registered, jika tidak hanya return data saja
  5. Prisma Client: Sudah di-setup, use prisma instance yang sudah di-import

📚 Additional Resources

Last Updated: 2026-05-12
Version: 1.0.0
Maintained By: Backend Team

About

Sebuah rest api waste management menggunakan nextjs dan prisma sebagai ORM.

rest-api-ochre-omega.vercel.app

Topics

restrest-apirestapirestfulrestful-apiwastewaste-classificationwaste-managementwaste-management-system

Resources

Readme
Activity

Stars

2 stars

Watchers

0 watching

Forks

1 fork
Report repository

Releases

Packages

Contributors

Languages