🎨 Batik Classifier

Aplikasi machine learning untuk mengklasifikasikan motif batik menggunakan TensorFlow dan Streamlit.

🌐 Live Demo

https://masdewaa-batik-deploy-app-djhprv.streamlit.app/

🚀 Cara Deploy ke Streamlit Cloud

Langkah 1: Siapkan Repository

1. Pastikan semua file sudah ada di repository GitHub:
   • app.py - File utama aplikasi
   • requirements.txt - Dependencies
   • final_tuned_model.keras - Model TensorFlow
   • labels.txt - Label klasifikasi
   • .streamlit/config.toml - Konfigurasi Streamlit

Langkah 2: Deploy ke Streamlit Cloud

1. Buka share.streamlit.io
2. Login dengan akun GitHub
3. Klik "New app"
4. Pilih repository dan branch
5. Set main file path: app.py
6. Klik "Deploy!"

Langkah 3: Konfigurasi (Opsional)

• Memory: Jika model besar, set memory limit di Streamlit Cloud
• Timeout: Sesuaikan timeout untuk model inference

📁 Struktur File

Batik-Deploy/
├── app.py                 # Aplikasi utama
├── requirements.txt       # Dependencies
├── final_tuned_model.keras # Model TensorFlow
├── labels.txt            # Label klasifikasi
├── .streamlit/
│   └── config.toml      # Konfigurasi Streamlit
└── README.md            # Dokumentasi

🔧 Cara Menjalankan Lokal

1. Install dependencies:

pip install -r requirements.txt

2. Jalankan aplikasi:

streamlit run app.py

🐛 Troubleshooting

Error "dense_2 expects 1 input but received 2"

• Pastikan model sudah di-compile dengan benar
• Coba load model dengan compile=False
• Periksa arsitektur model

Memory Issues

• Gunakan model yang lebih kecil
• Optimasi preprocessing gambar
• Set memory limit di Streamlit Cloud

📝 Fitur

• ✅ Upload gambar batik
• ✅ Klasifikasi motif otomatis
• ✅ Tampilkan confidence score
• ✅ Responsive UI
• ✅ Error handling

🤝 Kontribusi

Silakan buat pull request untuk perbaikan atau fitur baru!