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:

# 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):

# 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:

dir python-api\models

Mac/Linux:

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:

{
  "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:

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