https://github.com/tegraxd/fuzzy-umkm

https://github.com/tegraxd/fuzzy-umkm

Last synced: 20 days ago
JSON representation

• Host: GitHub
• URL: https://github.com/tegraxd/fuzzy-umkm
• Owner: TEGRAXD
• Created: 2023-06-26T14:41:16.000Z (over 1 year ago)
• Default Branch: master
• Last Pushed: 2023-06-26T17:57:22.000Z (over 1 year ago)
• Last Synced: 2024-11-17T05:09:51.757Z (3 months ago)
• Language: HTML
• Size: 27.3 KB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# Deployment Model Regresi Linier

## Deskripsi singkat

Repository ini berisi semua file yang dibutuhkan untuk melakukan deployment model Machine Learning Regresi Linier. Adapun model yang digunakan merupakan model untuk memprediksi biaya asuransi berdasarkan:

-   `Age` atau usia dengan tipe data integer (bilangan bulat)

-   `Sex` atau jenis kelamin yakni `Male` atau `Female`

-   `Smoker` atau status perokok yakni `Yes` atau `No`

#

## Sekilas mengenai input model

Agar dapat memprediksi biaya asuransi, data input model harus mengikuti format sebagai berikut:\

`[Age, Sex(Female), Sex(Male), Smoker(No), Smoker(Yes)]`

Sebagai contoh:\

Age: 20\

Sex: Male\

Smoker: No

Akan diubah menjadi:\

`[20, 0, 1, 1, 0]`

#

## Folder, file, dan kegunaannya

-   templates/

    -   index.html --> Berisi template website

-   app.py --> Berisi konfigurasi route untuk API

-   model.pkl --> Model Regresi Linier yang sudah di-training

-   request.py --> Berisi percobaan pemanggilan API dengan payload data JSON

-   requirements.txt --> Berisi daftar dependency/package Python yang diperlukan untuk menjalankan API dan model Regresi Linier

#

## Cara menjalankan API pada komputer Anda

### Menjalankan API

1. Pastikan Anda sudah menginstall Anaconda

1. Buka terminal/command prompt/power shell

1. Buat virtual environment dengan\

   `conda create -n  python=3.9`

1. Aktifkan virtual environment dengan\

   `conda activate `

1. Install semua dependency/package Python dengan\

   `pip install -r requirements.txt`

1. Jalankan API menggunakan perintah\

   `python app.py`

### Akses melalui Website

Setelah API berjalan:

1. Anda akan diberikan URL untuk membuka website berupa `localhost:5000/` atau `127.0.0.1:5000/`

1. Buka URL dengan browser, coba masukkan data yang ingin di prediksi

1. Anda akan diberikan estimasi biaya asuransi pada sisi kanan halaman website

### Mencoba Akses API menggunakan payload JSON

Setelah API berjalan:

1. Buka terminal/comand prompt/power shell

1. Jalankan perintah `python request.py`

1. Setelah berhasil dieksekusi, Anda akan diberikan data response berupa JSON juga seperti contoh berikut:\

   `{'Age': 20, 'Insurance Cost': 3146.79, 'Sex': 'Male', 'Smoker': 'No'}`

1. Hasil prediksi biaya asuransi terdapat pada value dari key `'Insurance Cost'` yang dapat Anda manfaatkan untuk aplikasi lain.