Create app.py

app.py

@@ -0,0 +1,67 @@
+from flask import Flask, request, jsonify
+import joblib
+import numpy as np
+import pandas as pd
+
+# Inisialisasi aplikasi Flask
+app = Flask(__name__)
+
+# Muat model yang telah dilatih
+model_filename = 'decision_tree_model.h5'
+model = joblib.load(model_filename)
+
+# Definisikan nama target dari dataset Iris
+# (sesuai dengan urutan dari dataset Scikit-learn)
+iris_target_names = ['setosa', 'versicolor', 'virginica']
+# Definisikan nama fitur untuk validasi
+feature_names = [
+    'sepal length (cm)', 
+    'sepal width (cm)', 
+    'petal length (cm)', 
+    'petal width (cm)'
+]
+
+@app.route('/')
+def home():
+    return "<h1>API Klasifikasi Bunga Iris</h1><p>Gunakan endpoint /predict untuk membuat prediksi.</p>"
+
+@app.route('/predict', methods=['POST'])
+def predict():
+    """
+    Membuat prediksi spesies bunga Iris.
+    Input harus berupa JSON dengan format:
+    {
+        "features": [5.1, 3.5, 1.4, 0.2] 
+    }
+    Urutan fitur: sepal length, sepal width, petal length, petal width (dalam cm)
+    """
+    try:
+        # Ambil data JSON dari request
+        data = request.get_json()
+        
+        # Validasi input
+        if 'features' not in data or not isinstance(data['features'], list) or len(data['features']) != 4:
+            return jsonify({'error': 'Input tidak valid. Harap sediakan JSON dengan key "features" berisi list 4 angka.'}), 400
+
+        features = np.array(data['features']).reshape(1, -1)
+        
+        # Buat DataFrame untuk memastikan nama fitur sesuai saat prediksi
+        # Ini adalah praktik yang baik untuk menghindari error jika urutan fitur berubah
+        features_df = pd.DataFrame(features, columns=feature_names)
+
+        # Lakukan prediksi
+        prediction_idx = model.predict(features_df)[0]
+        predicted_class_name = iris_target_names[prediction_idx]
+
+        # Kembalikan hasil prediksi dalam format JSON
+        return jsonify({
+            'predicted_class': predicted_class_name,
+            'class_index': int(prediction_idx)
+        })
+
+    except Exception as e:
+        return jsonify({'error': str(e)}), 500
+
+if __name__ == '__main__':
+    # Jalankan aplikasi Flask (hanya untuk development lokal)
+    app.run(debug=True, host='0.0.0.0', port=5000)