python-api/CARA_MELETAKKAN_FILE_MODEL.md

# 📁 Cara Meletakkan File Model Anda

## File yang Anda Punya (dari Google Drive)

Dari screenshot yang Anda berikan, Anda memiliki file-file ini:

```
Output_DenseNetSVM/
├── svm_densenet201_rbf.joblib       (5.2 MB)
├── metadata.json                     (353 byte)
├── features_train_densenet201.csv   (81.1 MB)
├── features_test_densenet201.csv    (10.2 MB)
└── features_val_densenet201.csv     (10.1 MB)
```

## ✅ File yang DIPERLUKAN untuk API

Hanya 2 file ini yang diperlukan:

1. ✅ **svm_densenet201_rbf.joblib** - Model SVM Anda
2. ✅ **metadata.json** - Informasi tentang kelas

File CSV features TIDAK diperlukan untuk inference/prediksi.

## 📂 Dimana Meletakkan File

### Struktur Folder yang Benar:

```
project/
└── python-api/
    ├── app.py
    ├── requirements.txt
    ├── Dockerfile
    ├── README.md
    └── models/                              ← Folder ini
        ├── svm_densenet201_rbf.joblib      ← Letakkan file JOBLIB di sini
        └── metadata.json                    ← Letakkan file JSON di sini
```

### Langkah-Langkah:

#### 1. Download File dari Google Drive

Dari folder `Output_DenseNetSVM` di Google Drive Anda, download:
- `svm_densenet201_rbf.joblib`
- `metadata.json`

#### 2. Copy ke Folder models/

**Cara Manual:**
```
1. Buka folder project Anda
2. Masuk ke folder: python-api/models/
3. Copy kedua file ke folder ini
```

**Via Terminal:**
```bash
# Dari folder Downloads (atau dimana Anda download file)
cp svm_densenet201_rbf.joblib /path/to/project/python-api/models/
cp metadata.json /path/to/project/python-api/models/
```

**Via Google Colab (jika file masih di Drive):**
```python
# Mount Google Drive
from google.colab import drive
drive.mount('/content/drive')

# Copy files ke local download
import shutil

source_dir = "/content/drive/MyDrive/Output_DenseNetSVM"
dest_dir = "/content/models"

# Create folder
!mkdir -p /content/models

# Copy files
shutil.copy(f"{source_dir}/svm_densenet201_rbf.joblib",
            f"{dest_dir}/svm_densenet201_rbf.joblib")
shutil.copy(f"{source_dir}/metadata.json",
            f"{dest_dir}/metadata.json")

# Download ke komputer
from google.colab import files
files.download('/content/models/svm_densenet201_rbf.joblib')
files.download('/content/models/metadata.json')
```

#### 3. Verifikasi File Ada

**Windows:**
```cmd
dir python-api\models
```

**Mac/Linux:**
```bash
ls -lh python-api/models/
```

Anda harus melihat:
```
-rw-r--r--  1 user  staff   5.2M  metadata.json
-rw-r--r--  1 user  staff   353B  svm_densenet201_rbf.joblib
```

## 📝 Cek Isi metadata.json

Buka file `metadata.json` dan pastikan berisi:

```json
{
  "class_names": ["3 Bulan", "6 Bulan", "9 Bulan"],
  "img_size": 224
}
```

**PENTING:** Nama kelas harus sama persis dengan yang Anda gunakan saat training!

Jika `class_names` berbeda (misalnya dalam bahasa Inggris atau format lain), edit file ini sesuai dengan nama kelas asli Anda.

## 🧪 Test Local (Opsional)

Setelah file di tempat, test apakah model bisa diload:

```bash
cd python-api

# Install dependencies
pip install -r requirements.txt

# Run server
python app.py
```

Jika berhasil, Anda akan melihat:
```
Using device: cpu
✓ SVM model loaded successfully
✓ Metadata loaded: ['3 Bulan', '6 Bulan', '9 Bulan']
 * Running on http://0.0.0.0:5000
```

## ❌ Jika Model Tidak Ditemukan

Jika Anda melihat:
```
⚠ Model file not found at models/svm_densenet201_rbf.joblib
Using simulation mode until model is uploaded
```

**Checklist:**
- [ ] File ada di folder `python-api/models/`
- [ ] Nama file PERSIS: `svm_densenet201_rbf.joblib` (case sensitive!)
- [ ] File tidak corrupt (coba download ulang jika perlu)
- [ ] Folder structure benar (lihat diagram di atas)

## 🚀 Setelah File Siap

Sekarang Anda siap untuk deploy! Lanjutkan ke:
1. Baca `README.md` untuk instruksi deployment
2. Atau baca `DEPLOYMENT_GUIDE.md` untuk panduan lengkap

## 💡 Tips

1. **Backup File Model**: Selalu simpan backup di Google Drive
2. **Version Control**: Jangan commit file model ke git (sudah ada di .gitignore)
3. **Update Model**: Untuk update model, cukup replace file dan restart server
4. **Metadata**: Jika mengubah kelas, update metadata.json

## 📞 Troubleshooting

### File terlalu besar untuk upload
- Gunakan Git LFS untuk file besar
- Atau upload langsung ke platform deployment (Hugging Face support large files)

### Format file salah
- Pastikan file dari `joblib.dump()`, bukan pickle
- Versi scikit-learn harus kompatibel

### Permission denied
- Check file permissions: `chmod 644 models/*.joblib`
- Pastikan Anda punya akses ke folder