Update app.py

app.py

@@ -6,122 +6,76 @@ import os
 
 # Inisialisasi aplikasi Flask
 app = Flask(__name__)
-CORS(app) # Mengizinkan Cross-Origin Resource Sharing
-
-# --- TAHAP 1: MUAT SEMUA MODEL ---
-# Kita sekarang memuat SEMUA 4 file .joblib
-try:
-    # 1. Model utama untuk prediksi
-    model = joblib.load("best_model.joblib")
-    
-    # 2. Scaler untuk fitur numerik (umur, tinggi, berat)
-    scaler = joblib.load("scaler.joblib")
-    
-    # 3. Encoder untuk fitur 'Jenis Kelamin' (input)
-    # PERHATIKAN: Nama file pakai spasi, harus sama persis
-    jk_encoder = joblib.load("Jenis Kelamin_encoder.joblib")
-    
-    # 4. Encoder untuk target 'Stunting' (output)
-    stunting_encoder = joblib.load("Stunting_encoder.joblib")
-    
-    print("Semua 4 model (model, scaler, 2 encoder) berhasil dimuat!")
-
-except Exception as e:
-    print(f"Error saat memuat model: {e}")
-    model = None
-    scaler = None
-    jk_encoder = None
-    stunting_encoder = None
+CORS(app)
+
+# --- TAHAP 1: KOSONGKAN AREA GLOBAL ---
+# JANGAN LOAD MODEL DI SINI.
+# Kita buat variabelnya saja, tapi isinya 'None' (kosong)
+# Ini membuat server NYALA INSTAN.
+model = None
+scaler = None
+jk_encoder = None
+stunting_encoder = None
+
+# Fungsi untuk memuat model (hanya akan dipanggil 1x)
+def load_models():
+    global model, scaler, jk_encoder, stunting_encoder
+    try:
+        if model is None: # Cek, jika masih kosong, baru di-load
+            print("Mencoba memuat model untuk PERTAMA KALI...")
+            model = joblib.load("best_model.joblib")
+            scaler = joblib.load("scaler.joblib")
+            jk_encoder = joblib.load("Jenis Kelamin_encoder.joblib")
+            stunting_encoder = joblib.load("Stunting_encoder.joblib")
+            print("Semua 4 model berhasil dimuat!")
+        return True
+    except Exception as e:
+        print(f"Error saat memuat model: {e}")
+        return False
 
-# --- TAHAP 2: ENDPOINT PREDIKSI DENGAN PREPROCESSING ---
-# Ini adalah inti dari API Anda.
+# --- TAHAP 2: ENDPOINT PREDIKSI ---
 @app.route('/predict', methods=['POST'])
-def predict():    
-    # Cek apakah semua model sudah siap
-    if not all([model, scaler, jk_encoder, stunting_encoder]):
-        return jsonify({"error": "Satu atau lebih file model gagal dimuat di server"}), 500
+def predict():
+    global model, scaler, jk_encoder, stunting_encoder
 
+    # Panggil fungsi load_models.
+    # Jika model belum di-load, dia akan di-load sekarang.
+    # Jika sudah, dia akan dilewati.
+    if not load_models():
+        return jsonify({"error": "Model gagal dimuat di server. Cek logs."}), 500
+
+    # ... (Sisa kodenya SAMA PERSIS) ...
     try:
-        # 1. Ambil data JSON yang dikirim oleh React
         data = request.get_json()
-
-        # React HARUS mengirim JSON dengan key yang SAMA PERSIS seperti ini:
-        # {
-        #   "jenis_kelamin": "Laki-laki",  // (atau "Perempuan")
-        #   "umur": 24,                  // (angka)
-        #   "tinggi": 85.5,              // (angka)
-        #   "berat": 10.1                // (angka)
-        # }
-
-        # --- MULAI PREPROCESSING ---
-        # Kita harus mengulang langkah yang sama persis seperti saat training
-
-        # 2. Ambil data mentah dari JSON
         jk_string = data['jenis_kelamin']
         umur = data['umur']
         tinggi = data['tinggi']
         berat = data['berat']
 
-        # 3. ENCODE 'Jenis Kelamin' (String -> Angka)
-        # Input: ["Laki-laki"] -> Output: [0]
-        # Kita ambil elemen pertama [0] untuk mendapatkan angkanya saja
         jk_encoded = jk_encoder.transform([jk_string])[0]
-
-        # 4. SCALE Fitur Numerik (Angka -> Angka Skala 0-1)
-        # Scaler dilatih dengan urutan: ['Umur (bulan)', 'Tinggi Badan (cm)', 'Berat Badan (kg)']
-        # Kita harus memasukkan data dengan urutan yang SAMA PERSIS.
-        # Input harus 2D array, contoh: [[24, 85.5, 10.1]]
         numerical_features = [[umur, tinggi, berat]]
         scaled_features = scaler.transform(numerical_features)
         
-        # Outputnya adalah 2D array, contoh: [[0.25, 0.4, 0.3]]
-        # Kita ambil baris pertama [0]
         umur_scaled = scaled_features[0][0]
         tinggi_scaled = scaled_features[0][1]
         berat_scaled = scaled_features[0][2]
 
-        # 5. GABUNGKAN SEMUA FITUR
-        # Model utama dilatih dengan urutan: 
-        # ['Jenis Kelamin', 'Umur (bulan)', 'Tinggi Badan (cm)', 'Berat Badan (kg)']
-        # Kita gabungkan fitur yg sudah di-encode dan di-scale sesuai urutan itu
-        
         final_features_list = [jk_encoded, umur_scaled, tinggi_scaled, berat_scaled]
-        
-        # 6. Ubah jadi 2D Numpy Array
-        # Sesuai format yang diterima model .predict()
         final_features = [np.array(final_features_list)]
         
-        # --- SELESAI PREPROCESSING ---
-
-        # 7. Lakukan Prediksi
-        # Input: [[0, 0.25, 0.4, 0.3]]
         prediction_encoded = model.predict(final_features)
-        # Output: [1] (Contoh)
-
-        # 8. UBAH PREDIKSI (Angka -> String)
-        # Kita pakai stunting_encoder untuk mengubah angka hasil prediksi
-        # kembali menjadi label string yang bisa dibaca manusia.
-        # Input: [1] -> Output: ["Stunted"]
         prediction_string = stunting_encoder.inverse_transform(prediction_encoded)
 
-        # 9. Ambil hasil string-nya
-        output = prediction_string[0] # "Stunted"
-
-        # 10. Kirim hasil akhir ke React
+        output = prediction_string[0]
         return jsonify({'prediction': output})
 
     except KeyError as e:
-        # Ini terjadi jika React salah kirim key JSON
-        # (misal: "nama" bukan "jenis_kelamin")
-        return jsonify({"error": f"Key JSON tidak ditemukan: {str(e)}. Pastikan key adalah 'jenis_kelamin', 'umur', 'tinggi', dan 'berat'."}), 400
-    
+        return jsonify({"error": f"Key JSON tidak ditemukan: {str(e)}."}), 400
     except Exception as e:
-        # Tangkap error lainnya (misal: user kirim "Pria" bukan "Laki-laki")
         return jsonify({"error": f"Terjadi error saat prediksi: {str(e)}"}), 400
 
-# --- INI BAGIAN PENTING UNTUK HOSTING vs LOCALHOST ---
-# (Tidak perlu diubah, sudah benar)
-
+# --- TAHAP 3: SERVER RUN ---
+# (Ini sudah benar, JANGAN DIUBAH)
 if __name__ == '__main__':
-    port = int(os.environ.get('PORT', 5000))
-    app.run(debug=True, port=port)
+    port = int(os.environ.get('PORT', 7860))
+    app.run(host="0.0.0.0", port=port, debug=False)