Sardiirfan27 / API-Credit-Scoring

API Rest for Credit Scoring - IYKRA

Credit Scoring Approval - API Deployment 📚

• Pada Repository ini, terdiri dari code dan dataset untuk melakukan Model Deployment menggunakan Anaconda Prompt dan localhost
• Deployment kali ini menggunakan web framework Flask.

Requirements

Tambahan module/package dari materi hari ini,

Wajib install pip install flask-restplus

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

================================================================================

Code dan Dataset

• 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, dan model.pkl.

===============================================================================

Dumping/Menyimpan File Pickle as Model

• Jalankan Anaconda Prompt dan ikuti prosedur di bawah ini:
  1. Pindahkan direktori aktif Anaconda Prompt ke folder repositori hasil extract repo ini.
  2. Jalankan dengan mengetik python app.py (ini bisa dikatakan testing model)
  3. Setelah itu, file .pkl akan terbentuk di folder yang sama.
  4. 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 0.67
  • Usia bilangan bulat (integer)
  • Jumlah Terlambat 30-59 Hari (integer) -> Berapa kali terlambat? 1 apabila 1 kali, 2 apabila 2 kali, dst
  • Rasio Hutang rentang 0 sampai dengan 1 (float), contoh 0.54
  • Pendapatan 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, dst
  • Aset Pribadi (integer) -> Berapa jumlah aset yang dimiliki?
  • Jumlah Terlambat 60-89 Hari (integer) -> Berapa kali terlambat? 1 apabila 1 kali, 2 apabila 2 kali, dst
  • Jumlah 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!

===============================================================================

Interpretasi Hasil

• 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.