<![CDATA[Efisiensi dalam pemakaian bahan bakar adalah hal krusial bagi kinerja kendaraan, terutama di Indonesia yang masih tergantung pada sumber energi fosil, sehingga perkiraan penggunaan bahan bakar menjadi sangat penting. Studi ini bertujuan untuk menciptakan model ramalan efisiensi bahan bakar dengan menggunakan Linear Regression dan Neural Network (NN), serta menerapkannya dalam aplikasi Streamlit. Linear Regression dan NN dipilih karena kedua metode ini belum banyak diterapkan pada penelitian tentang konsumsi bahan bakar. Dataset Auto MPG (Miles Per Galon) dari Kaggle digunakan, yang terdiri dari 398 data kendaraan dari tahun 1970 hingga 1982, tanpa nilai yang hilang, meskipun terdapat beberapa pencilan yang perlu diperhatikan. Proses preprocessing melibatkan normalisasi fitur numerik, pengkodean variabel kategori, dan pemisahan data ke dalam set pelatihan dan pengujian. Model NN diatur dengan satu lapisan tersembunyi yang berisi 100 neuron dan dilatih hingga 200 epoch. Temuan penelitian menunjukkan bahwa Linear Regression memberikan hasil terbaik (R² = 0,653; RMSE = 4,207), sementara NN menunjukkan hasil yang kurang memuaskan (R² = 0,052; RMSE = 6,958) karena ukuran dataset yang kecil dan hubungan antar data yang cenderung linear. Aplikasi Streamlit yang dibuat memungkinkan pengguna untuk memasukkan data secara manual dan menyajikan visualisasi sederhana untuk menampilkan prediksi variabel MPG. Penelitian ini menyoroti bahwa Linear Regression lebih cocok untuk digunakan pada dataset Auto MPG dibandingkan dengan Neural Network.]]>
