Create app.py

app.py

@@ -0,0 +1,37 @@
+import gradio as gr
+import numpy as np
+from sklearn.model_selection import train_test_split
+from sklearn.linear_model import LogisticRegression
+from sklearn.metrics import accuracy_score
+
+# Data training sederhana (gantilah dengan data sebenarnya)
+X = np.random.rand(100, 2)  # Data input acak
+y = (X[:, 0] + X[:, 1] > 1).astype(int)  # Label sederhana (contoh: X1 + X2 > 1)
+
+# Fungsi untuk melatih model dan menghitung akurasi
+def train_and_evaluate_model(train_data):
+    # Pisahkan data menjadi fitur dan label
+    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
+    
+    # Inisialisasi model (gunakan model yang sesuai dengan kasus sebenarnya)
+    model = LogisticRegression()
+    
+    # Latih model pada data pelatihan
+    model.fit(X_train, y_train)
+    
+    # Prediksi dengan data uji
+    y_pred = model.predict(X_test)
+    
+    # Hitung tingkat akurasi
+    accuracy = accuracy_score(y_test, y_pred)
+    
+    return accuracy
+
+# Antarmuka Gradio untuk input data dan menampilkan akurasi
+iface = gr.Interface(
+    fn=train_and_evaluate_model,
+    inputs="text",  # Gradio memungkinkan berbagai jenis input, tetapi kita gunakan "text" sebagai contoh
+    outputs="text"
+)
+
+iface.launch()