- Pada Repository ini, terdiri dari code dan dataset untuk melakukan Model Deployment menggunakan
Anaconda Prompt
danlocalhost
- Deployment kali ini menggunakan web framework Flask.
1. Flask==0.12
2. Jinja2==2.9.5
3. numpy==1.13.1
4. scikit-learn==0.18.1
5. scipy==0.18.1
6. flask-restplus
================================================================================
- Dataset diambil dari Kaggle | "Give Me Some Credit
- Model digunakan adalah model prediksi dengan model Gaussian Naive Bayes (
GaussianNB()
) - Repository terdiri dari
app.py
,requirements.txt
,deploy.py
, danmodel.pkl
.
===============================================================================
- Jalankan Anaconda Prompt dan ikuti prosedur di bawah ini:
- Pindahkan direktori aktif Anaconda Prompt ke folder repositori hasil extract repo ini.
- Jalankan dengan mengetik
python app.py
(ini bisa dikatakantesting model
) - Setelah itu, file .pkl akan terbentuk di folder yang sama.
- Setelah berhasil, jalankan
python deploy.py
===============================================================================
Akses Deployed Model di http://localhost:5000 (Default)
-
Langkah selanjutnya, anda bisa melanjutkan proses dengan mengetikkan
localhost:5000
di web anda (rekomendasi Google Chrome) -
Setelah itu akan tampil halaman interaktif yang bisa teman-teman akses seperti berikut ini,
-
Setelah itu teman-teman bisa klik tulisan
Penerimaan Kredit - Credit Approval
sehingga muncul tampilan sebagai berikut, -
Lalu, sila teman-teman klik tulisan hijau tersebut untuk membuka form pengisian data prediksi, tampilan seperti berikut ini,
-
Berikutinya, teman-teman bisa mulai dengan klik tulisan
Try it Out
-
Langkah selanjutnya teman-teman bisa mulai mengisi data untuk prediksi kredit scoring dengan ketentuan yang akan saya tuliskan bawah ini
Rasio Total Tagihan dibagi Limit
rentang 0 sampai dengan satu (float), contoh 0.67Usia
bilangan bulat (integer)Jumlah Terlambat 30-59 Hari
(integer) -> Berapa kali terlambat? 1 apabila 1 kali, 2 apabila 2 kali, dstRasio Hutang
rentang 0 sampai dengan 1 (float), contoh 0.54Pendapatan per Bulan
(integer)Hutang Tertanggung
(integer) -> jumlah hutang yang dimiliki, misalnya hutang kpr dan mobil, ditulis 2 (dua)Jumlah Terlambat 90 Hari
(integer) -> Berapa kali terlambat? 1 apabila 1 kali, 2 apabila 2 kali, dstAset Pribadi
(integer) -> Berapa jumlah aset yang dimiliki?Jumlah Terlambat 60-89 Hari
(integer) -> Berapa kali terlambat? 1 apabila 1 kali, 2 apabila 2 kali, dstJumlah Tanggungan Keluarga
(integer)
-
Setelah itu, teman-teman bisa klik
Execute
untuk menampilkan hasil prediksinya -
Selanjutnya, hasil prediksi bisa dilihat pada bagian bawah kotak hitam seperti berikut ini,
SELESAI!
===============================================================================
- Ketika hasil menunjukan 'Pengajuan Kredit Pemohon Ditolak' Maka orang tersebut dapat diperkirakan akan gagal menanggung kredit dengan kriteria-kriteria dari model prediksi.
- Ketika hasil menunjukan 'Pengajuan Kredit Pemohon Diterima' Maka orang tersebut dapat diperkirakan dapat menanggung kredit dengan kriteria-kriteria dari model prediksi.