ML Model Prediction Web Application

Aplikasi Flask untuk prediksi kesehatan menggunakan Machine Learning Gaussian Naive Bayes.

📁 Struktur Folder

flask-app/
├── app.py                 # Flask main application
├── requirements.txt       # Python dependencies
├── README.md             # Dokumentasi
├── models/               # Folder untuk menyimpan model pickle
│   ├── diabetes_model.pkl
│   ├── diabetes_metadata.json
│   ├── blood_test_model.pkl
│   ├── blood_test_metadata.json
│   ├── sleep_disorder_model.pkl
│   └── sleep_disorder_metadata.json
├── templates/            # HTML templates
│   ├── index.html        # Dashboard halaman utama
│   ├── diabetes.html     # Halaman prediksi Diabetes
│   ├── blood_test.html   # Halaman prediksi Blood Test
│   ├── sleep_disorder.html # Halaman prediksi Sleep Disorder
│   ├── test_model.html   # Halaman untuk test model
│   ├── about.html        # Halaman tentang aplikasi
│   └── 404.html          # Halaman error
├── static/               # Static files
│   ├── css/
│   │   └── style.css     # Styling utama
│   └── js/               # JavaScript files (opsional)
├── tests/                # Unit tests
│   └── test_app.py       # Test file
└── data/                 # Sample data (opsional)

🎯 5 Halaman Utama

1. Dashboard (index.html) - Menampilkan semua model dan metriknya
2. Prediksi Diabetes (diabetes.html) - Form untuk prediksi diabetes
3. Prediksi Blood Test (blood_test.html) - Form untuk prediksi memprediksi klasifikasi pasien) berdasarkan data pemeriksaan darah
4. Prediksi Sleep Disorder (sleep_disorder.html) - Form untuk deteksi gangguan tidur
5. Test Model (test_model.html) - Untuk testing akurasi model

Plus:

• About Page - Informasi tentang aplikasi
• Error Page (404) - Halaman error

🚀 Cara Menjalankan

1. Install Dependencies

pip install -r requirements.txt

2. Salin Model dari Training

Sebelum menjalankan Flask app, salin model yang sudah dilatih:

# Jalankan tubes.py terlebih dahulu untuk generate model
python tubes.py

# Salin folder models dari output ke flask-app/models
cp -r tubes/outputs/models/* flask-app/models/

3. Jalankan Aplikasi

python app.py

Aplikasi akan berjalan di http://localhost:5000

🧪 Menjalankan Tests

# Run semua tests
python -m pytest tests/

# Atau
python tests/test_app.py

📊 API Endpoints

GET Endpoints

• GET / - Dashboard halaman utama
• GET /about - Halaman tentang
• GET /diabetes - Halaman prediksi diabetes
• GET /blood-test - Halaman prediksi blood test
• GET /sleep-disorder - Halaman prediksi sleep disorder
• GET /test-model - Halaman test model
• GET /api/model-info/<model_name> - Get info model

POST Endpoints

• POST /api/predict - Prediksi menggunakan model

  {
    "model_name": "diabetes",
    "features": [0, 137, 40, 35, 168, 43.1, 2.288, 33]
  }

• POST /api/test-accuracy - Test accuracy model

  {
    "actual": [1, 0, 1, 0],
    "predicted": [1, 0, 1, 1]
  }

📋 Model yang Tersedia

1. Diabetes Predictor

• Target: Prediksi diabetes (0/1)
• Features: 8 variabel kesehatan
• Input: pregnancies, glucose, blood_pressure, skin_thickness, insulin, bmi, diabetes_pedigree, age

2. Blood Test Analyzer

• Target: Sumber tes darah (Normal/Patient)
• Features: 6 variabel tes darah
• Input: age, wbc, rbc, hgb, hct, plt

3. Sleep Disorder Detector

• Target: Jenis gangguan tidur (None/Insomnia/Sleep Apnea)
• Features: 7 variabel tidur
• Input: age, sleep_duration, quality_of_sleep, physical_activity, stress_level, heart_rate, daily_steps

📈 Fitur Aplikasi

✅ Dashboard dengan metrik model
✅ Prediksi real-time
✅ Test akurasi model
✅ API endpoints
✅ Responsive design
✅ Unit tests

⚙️ Konfigurasi

Edit file app.py untuk mengubah:

• Port: port=5000
• Host: host='localhost'
• Debug mode: debug=True

📝 Catatan

• Model disimpan dalam format pickle (.pkl)
• Metadata model disimpan dalam format JSON (.json)
• Aplikasi menggunakan Gaussian Naive Bayes
• Semua input akan di-scale sebelum prediksi

⚠️ Disclaimer

Aplikasi ini untuk tujuan edukatif. Selalu konsultasikan dengan profesional medis untuk diagnosis yang akurat.

👨‍💻 Developer

Created by:

• ABdullah Luthfi (luthfikkc@gmail.com)
• Daniel Febrian Sijabat (danielsijaban@gmail.com)

Date: 2026

---

Untuk pertanyaan atau bantuan, silakan hubungi developer.