Tutorial Membuat Aplikasi Web Machine Learning dengan Flask

Pendahuluan

Machine Learning (ML) adalah cabang dari kecerdasan buatan yang memungkinkan komputer belajar dari data tanpa diprogram secara eksplisit. Flask adalah kerangka kerja web ringan yang digunakan untuk membangun aplikasi web dalam bahasa pemrograman Python. Dalam tutorial ini, kita akan membuat sebuah aplikasi web sederhana yang menggunakan model Machine Learning. Prosesnya akan dimulai dari persiapan data, melatih model, hingga menerapkannya dalam aplikasi web berbasis Flask.

Persiapan

Sebelum kita memulai, pastikan Anda telah menginstal Python di komputer Anda. Anda juga perlu menginstal beberapa pustaka Python yang dibutuhkan. Buka terminal atau command prompt dan jalankan perintah berikut:

pip install numpy pandas scikit-learn flask

Langkah 1: Persiapan Data

Untuk tutorial ini, kita akan menggunakan dataset sederhana yang disediakan oleh Scikit-Learn, yaitu dataset Iris. Dataset ini berisi 150 sampel dengan 4 fitur dan 3 kelas yang berbeda.

# impor pustaka yang diperlukan
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

# muat dataset
iris = load_iris()
X = iris.data
y = iris.target

# bagi dataset menjadi data training dan data testing
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# normalisasi data
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

Simpan kode di atas sebagai data_prep.py. Kita akan mengimpornya ke dalam skrip utama kita.

Langkah 2: Menyimpan Model

Setelah model dilatih dan dievaluasi, kita perlu menyimpannya agar dapat digunakan di aplikasi web kita. Kita bisa menggunakan pustaka joblib untuk menyimpan model.

pip install joblib

# impor pustaka yang diperlukan
import joblib
from train_model import knn

# simpan model ke file
joblib.dump(knn, 'knn_model.pkl')

Simpan kode di atas sebagai save_model.py. Jalankan skrip ini untuk menyimpan model kita ke dalam file knn_model.pkl.

Langkah 3: Membuat Aplikasi Web dengan Flask

Sekarang kita akan membuat aplikasi web sederhana dengan Flask yang menggunakan model ML kita. Pertama, buatlah file baru bernama app.py dan isi dengan kode berikut:

# impor pustaka yang diperlukan
from flask import Flask, request, jsonify
import numpy as np
import joblib
from data_prep import scaler

# inisialisasi Flask app
app = Flask(__name__)

# muat model
model = joblib.load('knn_model.pkl')

# definisikan route untuk prediksi
@app.route('/predict', methods=['POST'])
def predict():
    # ambil data dari request
    data = request.get_json(force=True)
    features = np.array(data['features']).reshape(1, -1)
    
    # normalisasi data
    features = scaler.transform(features)
    
    # lakukan prediksi
    prediction = model.predict(features)
    
    # kembalikan hasil prediksi dalam format JSON
    return jsonify(
Cek konten lainnya:
Membuat Aplikasi Web dengan CodeIgniter 4 dari Nol untuk Pemula
Selamat datang! Pada tutorial ini, kita akan membahas cara menjalankan proyek CodeIgniter 4 (CI4) di......
)

# jalankan aplikasi
if __name__ == '__main__':
    app.run(debug=True)

Untuk menjalankan aplikasi web, cukup jalankan skrip app.py menggunakan terminal atau command prompt:

python app.py

Setelah itu, buka browser dan akses alamat http://127.0.0.1:5000. Aplikasi web kita sudah berjalan dan siap menerima permintaan prediksi melalui endpoint /predict.

Menguji Aplikasi Web

Kita bisa menggunakan alat seperti Postman atau cURL untuk menguji endpoint /predict kita. Berikut adalah contoh permintaan menggunakan cURL:

curl -X POST http://127.0.0.1:5000/predict -H "Content-Type: application/json" -d '
Cek konten lainnya:
Cara Menjalankan Projek Laravel di Windows (Lengkap dan Mudah)
Jika Anda sudah memiliki projek Laravel dan ingin menjalankannya di local server (localhost) di Wind......
'

Jika permintaan berhasil, aplikasi akan mengembalikan hasil prediksi dalam format JSON.

Kesimpulan

Dalam tutorial ini, kita telah belajar bagaimana membuat aplikasi web sederhana dengan Flask yang menggunakan model Machine Learning. Mulai dari persiapan data, melatih model, menyimpan model, hingga menerapkannya dalam aplikasi web. Semoga tutorial ini bermanfaat dan dapat membantu Anda dalam menulis artikel blog Anda.