Deployment Model Machine

Learning Menggunakan
Python
Gold Chapter 3 - Topic 3
Selamat datang di Chapter 3 Topic 3 online
course Data Science dari
Binar Academy!
Pengantar

Di Chapter 3 Topic 2, kita sudah belajar bagaimana

melakukan Data Cleansing dan Visualisasi Data
menggunakan Python.

Nah, di Chapter 3 Topic 3 kali ini, kita akan membahas

bagaimana menggunakan Python untuk deployment
atau merilis project Data Science, salah satunya model
Machine Learning.
Peta Belajar
Python API Flask

Pada akhirnya, tujuan dari proses Data

Science yang sudah kita pelajari adalah
untuk merilis (deployment) hasil
pemrosesan data/model ke publik sob.

Karena data science nggak bisa bekerja

sendirian, dia perlu bantuan untuk
mengintegrasikan dengan komponen lain
dalam suatu sistem.
Python API Flask

Nah komponen tersebut bisa

menggunakan API.

Eits, tentunya bukan API yang

mengeluarkan panas lho~

Apa hayo API itu? Daripada penasaran yuk

langsung kita bahas!😁
Python API Flask

Tak kenal maka tak sayang😝

API merupakan singkatan dari Application
Programming Interface, output dari proses kerja data
science.

Biar kalian nggak bingung, sebenarnya API ini ngapain

sih kerjaannya? Kita simak cerita Sabrina dulu yaahh.
Python API Flask

Sabrina si penggemar kuliner~

Selain penggemar bakso, Sabrina juga penggemar sushi
sob, oleh karenanya dia pergi ke restoran sushi dan
memesan sushi favoritnya.

Selama di restoran sushi, Sabrina nggak perlu tahu apa

aja bahan yang digunakan, sampai teknik memasaknya
seperti apa, dia cuma ingin makan sushi! Alias terima
beres~
Python API Flask

Setelah Sabrina memesan sushi, waiter pun mencatat

pesanan, lalu memberikannya ke chef yang akan
mengolahnya di dapur.

Selesai diolah, sushi yang sudah jadi diantar oleh waiter

ke Sabrina untuk dinikmati olehnya~
Python API Flask

Hubungannya analogi restoran sushi

dengan API 🍣🔥
Dalam analogi restoran sushi, API ini seperti waiter yang
mengantarkan pesanan sushi ke chef, lalu dari chef ke
Sabrina lagi~

Jadi, dalam bahasa data science API berfungsi melayani

request dari Client/Customer dan mengembalikan
sesuai request.

Misal, client meminta suatu data untuk diproses, maka

API akan memproses sesuai permintaan client tersebut.
Python API Flask

Permintaan yang bisa dilakukan

oleh API🙏🏻
Mulai dari membersihkan data, pemrosesan data
sampai pemrosesan machine learning.

Ibaratnya Sabrina bisa memesan apapun ke waiter,

mulai dari sushi, ramen sampai ocha dingin, yum!

Sampai di sini kebayang kan sob?

Python API Flask

Kalau API itu waiter, lalu aplikasi

tempat data itu apa?
Dalam analogi restoran sushi tadi kan, ada bagian
dapur tempat mengolah sushi. Dapur ini adalah
aplikasi atau tempat datanya sob!

API ini akan mengantarkan request ke aplikasi yang

berisi data, di aplikasi inilah data akan diolah.

Setelah diolah jadilah output sesuai request yang

akan diantarkan lagi oleh API.
Python API Flask

API ada bentuknya lho sob!

Bukan bentuk benda yang bisa kita lihat dan pegang ya,
bentuk ini lebih ke istilah dalam bahasa data science.

Namanya adalah restful API.

Ada yang tahu apa itu restful API?🤔

Python API Flask

Eits! Rest di sini bukan istirahat artinya!😆

REST dalam API merupakan singkatan dari Representational State Transfer, yaitu arsitektur yang pakai HTTP
seperti link ini ~ (embedded link on progress)

HTTP ini digunakan API untuk berkomunikasi antara client dengan “dapur”/aplikasi. Seperti yang kita tahu, arsitektur
ini bangunan sob, tapi bangunan dalam sistem komputer.
Python API Flask

4 Komponen Restful API

Arsitektur gedung kan ada banyak lantai ya sob, nah
sama seperti arsitektur di API juga punya “lantai” nya
sendiri, yang disebut dengan komponen.

4 komponen tersebut bisa kalian lihat pada gambar yaa~

Jangan panik dulu sob, kita bakal ulik satu-satu kok!😉

Python API Flask

URL Design

Ibarat rumah, URL Design ini nomor rumahnya sob~

kalau di Restful API namanya URI (Uniform Resource
Identifiers).

URL Design ini juga sering disebut dengan Endpoint

atau route, yaitu ujung dari suatu network.

Bentuk dari URL ini yang biasa kalian lihat di website

kalian.
Python API Flask

Biar nggak bingung, ini dia contohnya~

Kalian pasti sering mengunjungi website, yang pasti

akan muncul link website tersebut yang disebut dengan
URL tadi.

Dari URL kalian bisa menemukan endpoint-nya sob,

yaitu:

1. “/”
2. “/(text link website)”
3. “/(text link website-clean)
Python API Flask

HTTP Verbs

Selanjutnya, ketika kita akses URL tersebut, maka akan

melalui tahapan proses yang disebut dengan HTTP
verbs.

Prosesnya gimana?

1. HTTP akan membaca data URL

2. Lalu datanya akan dimasukkan ke server
3. Diperbarui, atau;
4. Dihapus
Python API Flask

Setelah diproses sama HTTP Verbs lalu selanjutnya apa?

Pastinya akan ada hasil, nah hasilnya sendiri berupa

request yang berhasil dan request yang salah (tidak
berhasil).

Nah tugas komponen Rest API selanjutnya, yaitu HTTP

Response Code yang bertanggung jawab memberikan
alarm apakah request berhasil atau tidak.
Python API Flask

HTTP Response Code

Seperti namanya yaitu HTTP Response Code maka

komponen ini harus selalu menyertakan kode sesuai
standar atas setiap request dari client.

Adapun standar code yang digunakan sebagai berikut:

● 2xx: Response code yang menandakan request

berhasil
● 4xx: Response code yang menandakan request
mengalami kesalahan di sisi client
● 5xx: Response code yang mengalami kesalahan di
sisi server
Python API Flask

Format Response

Setelah diberi code dari komponen sebelah, maka server

akan merespon lagi sob dengan format response, yaitu
format JSON.

Response di sini artinya adalah menghasilkan output,

sesuai request.

Misal, request untuk harga bitcoin maka response yang

akan dikeluarkan adalah output mengenai harga bitcoin.
Python API Flask

Sejauh ini sudah kenal dengan API,

tapi sebenarnya cara buat API sendiri
gimana sih?
Karena kalian sedang belajar menggunakan Python,
maka kita akan belajar untuk membuat API
menggunakan Python, yang disebut dengan Python API
Flask.
Python API Flask

Eits, tapi kenapa sih data scientist

butuh tahu tentang API?
Karena API ini sebagai sarana untuk merilis
(deployment) hasil dari proses data science yang
dikerjakan.

Jadi, yuk kita langsung belajar cara buatnya!

Python API Flask

Membuat API dengan Python API

Flask~
Flask merupakan framework (kerangka) dari Python
yang digunakan untuk membuat aplikasi berbasis web.

Instalasi Flask di Python sendiri bisa menggunakan

command:

● pip install Flask

Python API Flask

Kalau sudah instal, mari kita mulai

pakai flask!
Cara menggunakan Flask cukup dengan berikan
command:

1. Buka terminal di Python

2. Buat file dengan nama app.py dengan berikan
command lagi touch app.py
3. Buka file app.py tadi dan tuliskan kode seperti
gambar pertama~

Next step coba geser slide-nya sob~

Python API Flask

Setelah itu kalian bisa ikuti langkah berikut ini ya sob:

1. Kembali ke terminal di Python, lalu berikan

command: python app.py
2. Setelah itu kalian akan diminta untuk membuka
link berikut ini di browser:

http://127.0.0.1:5000

1. Ketika kalian sudah buka di browser, maka akan

muncul hasil seperti gambar paling bawah.
2. Artinya kalian sudah berhasil membuat API secara
sederhana yey!

Kalian boleh screenshot kalau sudah berhasil ya!

Python API Flask

BTW, nanti hasil coding-nya akan

seperti ini sob~
Coba dilihat, dipahami sepenuh hati yaa, jangan buru-
buru😌

Jadi ketika nanti kalian selesai mempraktikkannya,

kalian sudah tahu hasil akhir codingnya akan seperti apa!
Python API Flask

Sat set nulis kode~ tapi bingung

maksud kodenya apa sih?
Santai aja sob, berikut ini penjelasan masing-masing
kode untuk kalian pahami:

● Baris 1 (kotak merah):

Memanggil Library Flask untuk memproses
format JSON.

● Baris 2 (kotak hijau):

Memanggil Flask objek dan menyimpannya
pada variabel app
Python API Flask

● Baris 5-6 intinya mendefinisikan route API.

Nah ada kata method di baris 5 sob seperti pada

gambar. Method sendiri artinya API akan diakses
(GET) melalui alamat/endpoint “/” (slash)
Python API Flask

● Baris 6 dengan kata def:

Artinya memanggil fungsi hello_world
untuk memunculkan hello_world dalam
bentuk response JSON, yang ada di baris 7-8.

● Baris 7-8 response json yang isinya:

a. ‘status_code’:
Status apakah request sukses atau
tidak
b. ‘description’:
deskripsi dari response yaitu “Menyapa
Hello World”
c. ‘data’:
isi dari response yaitu “Hello World”
Python API Flask

● Baris 13 - 14 muncul response JSON, seperti pada

gambar.

● Baris 16 - 17:
Menginisiasi eksekusi variabel app. Yaitu
dengan menggunakan command app.run( )
Python API Flask

Paham kan kode-kode tadi? Masa

cuma ayang aja yang dipahami kode
nya😆
BTW, kalian sudah coba membuat API dari Flask tadi?
Apakah hasilnya sesuai dengan hasil coding yang
sebelumnya ditunjukkan?
Python API Flask

Flask juga punya saudara, namanya

Flask Routing👩🏻‍🤝‍👩🏼
Setelah kalian berhasil membuat API secara sederhana
dengan Flask, selanjutnya adalah memahami proses dari
request sampai response tadi, yang disebut dengan
Routing.
Python API Flask

Jadi apa Flask Routing itu?

Merupakan sebuah alamat/url/endpoint yang nantinya
akan diakses user/client ketika ingin mengakses API.

Route ini bisa lebih dari satu sob, dimana route satu
dengan route lainnya punya request tertentu.
Python API Flask

Lalu contoh Flask Routing sendiri itu

seperti apa?
Misal kalian klik alamat/url/endpoint dibawah ini, untuk
masuk ke page tertentu, nah apa yang kalian lakukan itu
namanya routing.

Coba kalian klik url ini sob~

http://www.binaracademy.com

Routing ini juga termasuk komponen API ya sob!

Python API Flask

Oke sudah paham! Sekarang mari kita

buat routing melalui Flask!
Kalian bisa mulai dengan memberikan command persis
seperti yang ada pada gambar~

Nah maksud dari masing-masing command bisa kalian

pahami sebagai berikut:

● Baris 1:
Memanggil library regex. Karena kita akan
membuat API untuk memanggil text yang sudah
di-cleansing datanya pakai RegEx.
● Baris 3:
Memanggil library Flask
● Baris 5:
Memanggil objek flask yaitu app dan disimpan
dalam variabel ‘Flask’
Python API Flask

● Baris 7 - 12:
Command untuk routing yaitu @app.route , def
dan json_response
● Baris 15:
Command untuk response
● Baris 5:
Memanggil objek Flask yaitu app dan disimpan
dalam variabel ‘Flask’
Python API Flask

● Baris 18:
Memanggil original text dengan memakai
metode GET, ketik command
@app.route(‘/text’, methods=[‘GET’])
● Baris 20:
Mendefinisikan response json_response={
● Baris 26:
Respon yang berhasil didefinisikan, muncul
command
response_data=jsonify(jsonresponse)
Python API Flask

● Baris 29:
Memanggil text yang sudah dibersihkan dari
tanda baca, dengan command
@app.route(‘/text-clean’,
methods=[‘GET’])

Hasilnya akan seperti pada gambar~

Python API Flask

Mari istirahat sebentar!

Command di Python tadi mungkin terlihat banyak sob,
tapi kalau kalian ikuti step by step, dan dilatih terus
menerus kalian akan terbiasa.

Dari command-command yang sudah kalian pelajari

tadi, menurutmu bagaimana mengkombinasikannya
dalam praktik bekerja dengan data science nanti?
Python API Flask

Flask dengan Swagger UI

Eits, Swagger di sini bukan dar singkatan SWAG (Swag
with a bit Style of Gangsta) yaa, hayo jangan salah
fokus!😆

Karena tadi kalian sudah belajar bagaimana

menjalankan Flask dengan Python untuk membuat API,
sekarang lanjut belajar cara menggunakan Flask dengan
Swagger UI yuk~
Python API Flask

Tapi sebelumnya, apa maksudnya

Flask dengan Swagger UI?
Coba kalian bayangkan, kalian punya banyak
alamat/url/endpoint di API yang sudah kalian buat.

Pasti kalian akan makin sulit mengingat apa saja

alamat/url/endpoint beserta fungsinya.

Dengan mengkombinasikan Flask dengan Swagger UI,

kita bisa mendokumentasikan API untuk memudahkan
mengingat alamat/url/endpoint yang banyak tadi.
Python API Flask

Oke, kalian sudah tahu Flask itu apa,

kalau Swagger UI tahu apa?
Swagger UI itu library sob~ yang dipakai untuk
mendokumentasi alamat/url/endpoint dari API.

Istilah gampangnya sih membuat list

alamat/url/endpoint dari API.
Python API Flask

Maksudnya dokumentasi di Swagger

UI terus apa?
Oke-oke biar nggak bingung kita pakai analogi ya sob~

Sabrina yang jago masak ini, ternyata lagi suka bikin

cookies, jadi dia melakukan berbagai variasi dan
percobaan teknik baking untuk cookies-nya.

Semua teknik baking pun dia catat, catatannya

didokumentasikan dalam satu buku, biar nggak hilang
dan tercecer.
Python API Flask

Nah, fungsi dari Swagger UI tadi persis seperti buku yang

banyak catatan teknik baking Sabrina.

Tapi tentunya Swagger UI ini menyimpan fungsi dari

alamat/url/endpoint ya! Bukan resep, atau teknik
memasak 😅

Semakin penasaran kan gimana caranya Swagger UI ini

mendokumentasikan alamat/url/endpoint ? langsung
next slide aja sob~
Python API Flask

Mantab sob! kita sudah tuntas belajar cara menginstal

Python dan package/library nya.

Coba, apakah kamu sudah berhasil menginstal Python?

Kalau ada kendala kamu bisa ulangi langkahnya ya,

santai aja sob~
Python API Flask

Menggunakan Swagger UI
Pertama kalian perlu menginstal Swagger UI di Python
dengan menggunakan command:

pip install flasgger

Python API Flask

Selanjutnya akan muncul tampilan seperti pada gambar:

● Baris 1: Impor file

● Baris 2:
Memberi tahu file tersebut akan diolah dengan
Flask
● Baris 5:
Kalian panggil Flask-nya dengan command
app=Flask(_name_)
Python API Flask

● Baris 7 - 9:
Memanggil library yang dibutuhkan, salah satunya
adalah Swagger UI, dengan command:
from flask import request,
from flagger import
● Baris 11 - 12:
Hasilnya setelah di enter akan muncul command
seperti:
app.json-encoder =
swagger_template =
Python API Flask

● Setelah itu kalian input title, version dan

description dari dokumentasi API (baris 14 - 16)
dengan command:
‘title’ :
‘version’ :
‘description’ :
● Baris 18 - 19:
Hasil dari apa yang kalian input, berupa
command
host =
Python API Flask

● Lalu kalian masih perlu mendefinisikan config dari

Swagger pada baris 20 - 32 seperti pada gambar,
dengan command:
swagger_config =
swagger = Swagger
Python API Flask

Selanjutnya kalian ubah bagian endpoint “/” dengan

metode GET, hasilnya seperti pada gambar~

Di baris 35 kalian membutuhkan file hello_world.yml

yang di save pada direktori docs, untuk itu kalian perlu
membuat file dan direktori tersebut yaitu,
hello_world.yml dan docs.

Gimana ya caranya untuk membuat file dan direktori

tersebut? Langsung geser slide nya saja sob~
Python API Flask

Caranya:

1. Masih di terminal yang salam, ketik command:

a. mkdir docs
b. touch docs/hello_world.yml
2. Buka file docs/hello_world.ym
3. Tulis kode seperti baris 36-37 ya sob~
Python API Flask

Setelah file docs/hello_world.yml buka, maka akan

muncul command seperti gambar di samping.

Tenang, biar nggak bingung, berikut penjelasan masing-

masing command ya sob~

● Baris 1 - 2: nama dari endpoint

● Baris 3 - 4: deskripsi dari endpoint
● Baris 5 - 11: response code dari end point

Apakah sudah selesai? Tentu belum, coba kamu geser

slide-nya😉
Python API Flask

Mendokumentasikan API~
Karena kita sudah tuntas belajar menggunakan Swagger
UI, sekarang kita lanjut ke fungsi utamanya Swagger UI
sob.

Yap! Mendokumentasikan endpoint yang banyak, biar

kalian mengingat fungsi masing-masing endpoint.

Sudah siap? Yuk cus~

Python API Flask

Cara mendokumentasikan API~

1. Kembali ke Terminal, lalu beri command:
python app.py
2. Lalu buka http://127.0.0.1.:500/docs di browser
kalian~
Python API Flask

Kalau kalian sudah membukanya, maka akan muncul tampilan seperti gambar berikut ini.

Pada bagian yang diberi tanda kotak merah, kalian klik yaa~
Python API Flask

Lalu akan muncul tampilan seperti pada gambar.

Setelah itu, kalian klik “try out” (kotak warna hijau).
Python API Flask

Jika sudah klik try out. Sekarang kalian klik “execute”

(kotak warna orange)
Python API Flask

Maka akan muncul response dari API.

Python API Flask

Nah, kalian bisa melakukan langkah di slide sebelumnya untuk menjalankan command/perintah
pada endpoint “/text” dan “/text-clean”

Tampilannya akan seperti pada gambar sob.

Kotak warna merah untuk “/text” dan kotak warna hijau untuk “/text-clean”~
Python API Flask

Memproses teks menggunakan

Flask dengan Swagger UI
Oke sebelum melangkah lebih jauh, barusan kalian
belajar cara mendokumentasikan endpoint dengan
menginput teks dari file docs/hello_world.ym.

Selanjutnya kalian akan belajar cara

mendokumentasikan endpoint ketika teks diinput
sendiri oleh user/client ke Swagger Ui.
Python API Flask

Yuk langsung kita eksekusi!

Rileks sob, berikut ini langkah memproses text yang
sudah diinput oleh user/client ke Swagger UI sob~

1. Masih di terminal yang sama, ketik command

touch docs/text_processing.yml
2. Buka file docs/text_processing.yml
3. Tulis kode ….
Python API Flask

Setelah kalian tulis kode nya, akan keluar docs

seperti gambar~

Berikut penjelasan masing-masing barisnya sob.

● Baris 1-2: nama dari endpoint

● Baris 3-4: deskripsi dari endpoint
● Baris 5-9: form input dari endpoint
● Baris 10-16 response code dari endpoint
Python API Flask

Mendokumentasikan API lagi~

Caranya masih sama dengan yang sudah dijelaskan
di slide sebelumnya sob, masih ingat nggak? Kalau
enggak kini dia wrapnya~

1. Kembali ke Terminal, lalu beri command:

python app.py
2. Lalu buka http://127.0.0.1.:500/docs di
browser kalian~
Python API Flask

3. Kalau kalian sudah membukanya, maka akan

muncul tampilan seperti gambar berikut ini.

4. Pada bagian yang diberi tanda kotak merah,

kalian klik yaa~

5 Lalu setelah itu klik “try out” (kotak warna hijau)

Python API Flask

Nah, ketika klik “try out” akan muncul tampilan

seperti pada gambar sob~

1. Dibagian text (kotak warna merah)kalian bisa

isi dengan kalimat, misal “Hai, gimana
kabar?”.
2. Lalu klik “execute” (kotak warna hijau)
3. Maka di bagian response akan muncul
seperti gambar dibawah (kotak warna
kuning)
Python API Flask

Lalu di sebelah kolom code, yaitu kolom detail jika

kalian klik akan muncul penjelasan seperti pada
gambar~
Python API Flask

Yuk praktikkan sendiri!

Apakah kalian sudah berhasil mencobanya sendiri?
Kalau belum berhasil kalian bisa coba ulangi step
(langkah) seperti yang sudah dijelaskan ya sob~

Nggak perlu terburu-buru, kalian bisa dengan teliti

memeriksa bagian mana yang belum berhasil.

Kalau sudah bisa kalian bisa screenshot hasilnya!😆

Python API Flask

Yeay! Selesai sudah belajar Flask!

Kalian hebat sudah berhasil mempelajari Flask sob~
mulai dari:

1. Memulai Flask
2. Menggunakan Routing pada Flask
3. Mendokumentasikan API dengan kombinasi
Flask dan Swagger UI
4. Memproses text menggunakan Flask dengan
Swagger UI
Aplikasi Machine Learning
Menggunakan Gradio

Kita sudah belajar membuat API

menggunakan Flask. Namun, Flask lebih
ditujukan untuk deployment di level
teknis.

Nah, setelah ini kita akan mencoba

melakukan deployment pada high-level.

Artinya hasil deployment bisa kita lihat

berupa tampilan visual sebuah produk
(interface)
Aplikasi Machine Learning
Menggunakan Gradio

Mengenal gradio
Sebelum kita mulai lebih jauh mengenai
deployment di teknik yang lebih high level, kita
kenalan dulu sama gradio sob.

Gradio ini adalah library Python untuk membuat

Machine Learning Web Apps secara mudah.

Gampang buat kalian pelajari!

Aplikasi Machine Learning
Menggunakan Gradio

Fungsi dari gradio sendiri adalah melakukan

pemrosesan data dan modelling data.

Modelling itu menciptakan mode data untuk

menjawab permasalahan, btw soal modelling data
sudah sempat kita bahas lho di Chapter 1.

Gimana ya caranya menggunakan gradio?

Aplikasi Machine Learning
Menggunakan Gradio

But first, kalian harus install dulu~

Instalasi gradio di Python bisa kalian lakukan
dengan menggunakan command

pip install gradio

Aplikasi Machine Learning
Menggunakan Gradio

Membuat Data Processing dan

Modeling Tool menggunakan
gradio
Pada pembahasan sebelumnya kita sudah
membuat API untuk memproses teks secara
sederhana.

Kali ini kita juga mencoba membuat hal serupa

menggunakan Gradio. Caranya:

1. Buka Terminal
2. Buat file dengan nama ml_app.py dengan
perintah:
touch ml_app.py
3. Buka file ml_app.py, dan tuliskan kode
seperti gambar di samping.
Aplikasi Machine Learning
Menggunakan Gradio

Penjelasannya sebagai berikut nih sob~

1. Baris 1-2:
import library RegEx dan import library
gradio
2. Baris 4-5:
Memanggil function untuk melakukan data
processing. Masih ingat kan function itu apa?
Seperti yang sudah kita bahas di ch 3 top 1
sob~
3. Baris 7-15:
Command untuk mendefinisikan tampilan
data processing dan input outputnya.
4. Baris 17: launch (menjalankan) gradio
Aplikasi Machine Learning
Menggunakan Gradio

Setelah Data Processing dan

Modeling Tool sudah dibuat,
selanjutnya apa?
Selanjutnya adalah memasukkan text seperti yang
sudah kita bahas sebelumnya~ caranya adalah:

1. Kembali ke terminal, ketik command

python ml.app.py
2. Klik http://127.0.0.1:7860 di browser
3. Akan muncul tampilan seperti pada gambar
4. Masukan text di sebelah kiri (kotak warna
merah), lalu klik submit.
5. Hasilnya akan muncul di sebelah kanan
(kotak warna hijau).
6. Gimana lebih mudah kan dibanding dengan
Flask?
Aplikasi Machine Learning
Menggunakan Gradio

Hore! Belajar membuat API di

Flask dan gradio sudah selesai
sob🥳
Gimana sob apakah masih sulit kalian pahami? Kira-
kira bedanya pembuatan API di Flask dan gradio
menurutmu dimana?

Kalian bisa kumpulkan pertanyaannya dan

tanyakan ke sesama teman kalian atau fasil di live
session data science!

Kalian juga boleh banget menunjukkan hasil

latihan. Jangan patah semangat sob terus belajar
sampai hasil yang maksimal😆👏🏻
Menggunakan Tool Kolaborasi

Setelah kalian membuat proyek, tentu

kalian perlu menyimpannya dan
kemungkinan kalian juga akan
berkolaborasi dengan pihak lain untuk
mengembangkan proyek tersebut.

Nah, oleh karena itu kalian akan belajar

tool yang mendukung proses kolaborasi
kalian.

Ke Cikini makan bakso, yuk let’s go~

Menggunakan Tool
Kolaborasi

Masih ingat nggak kenapa kalian

butuh berkolaborasi?🤔
Yap! Karena kalian bisa melihat proyek lain yang
dikerjakan oleh data scientist di seluruh dunia.

Selain itu yang terpenting kalian bisa saling berbagi

data yang kalian miliki untuk menelaah sejauh
mana skill data science kalian dan semaksimal apa
proyek yang sudah kalian buat!
Menggunakan Tool
Kolaborasi

Hayo kira-kira apa ya yang

digunakan untuk menunjang
proses kolaborasi ini?
Ada yang bisa menjawab? Kalau belum, coba kalian
cek di chapter 1 topic 2 yaah
Menggunakan Tool
Kolaborasi

Mengenal kembali Git~

Siapa di sini yang benar menjawab Git?

Yap tools yang digunakan untuk mendukung proses

kolaborasi antar data science ini namanya Git.

Git adalah sistem version control untuk melacak

perubahan file dan proyek di cloud. Yuk bisa yuk
diingat pelajarannya kemarin😌

Without further ado, kita langsung belajar cara

menggunakannya sob~
Menggunakan Tool
Kolaborasi

Git workflow
Seperti ini nih sob, gambaran workflow pada Git:

1. Kita siapkan file yang mau disubmit ke

Github, dengan commits alias mengonfirmasi
file yang akan di submit ke Github.
2. Nah, dari Github akan dikirimkan lagi ke
komputer kalian, lalu kalian tinggal
menambahkan commitnya lagi sob.

Begitu terus sampai file yang kalian inginkan selesai

terupload~
Menggunakan Tool
Kolaborasi

Seperti biasa, kita install dulu Git-

nya sob~
Bagi kalian yang akan menginstall Git, kalian bisa
menginstall melalui Python dengan ketik
command:

1. sudo apt-get update

2. Tekan enter lalu ketik
sudo apt-get install git
3. Tekan enter ketik git --version
4. Tekan enter lagi, dan Git pun terinstall~
Menggunakan Tool
Kolaborasi

Setelah Git terinstall dengan

sempurna, barulah kita buat akun
Github nya~
Santai aja sob jangan bingung dulu, jadi Git adalah
environment nya (lingkungan). Jadi kalian masih
butuh akun Github untuk berkolaborasi~

Eits, di sini siapa yang masih ingat bedanya Git

dengan Github di chapter 1 topic 3? 😁
Menggunakan Tool
Kolaborasi

Bedanya Git dengan Github

Github itu provider atau penyedia layanan Git.
Sementara Git itu semacam drive tempat berbagi
file sob~

Yuk daripada lama-lama kita langsung belajar bikin

akun Github!
Menggunakan Tool
Kolaborasi

Membuat akun Github

Cara membuat akun Github ini cukup mudah kok
sob, kalian cukup ikuti langkah berikut ini yaa~

1. Buka situs github.com

2. Isi kolom username, email dan password
3. Klik sign up for github

Selesai deh! Dan akun Github kalian pun siap

dipakai!
Menggunakan Tool
Kolaborasi

Ketika kalian klik sign up for github kalian akan

diperintahkan untuk mengisi data lebih detail.

Sebenarnya sama saja sih sob, hanya saja kalian

perlu klik verify account melalui email yang kalian
daftarkan untuk akun github~
Menggunakan Tool
Kolaborasi

Setelah akun selesai dibuat,

waktunya log in Git!
Kalau membuat akun melalui sign up, nah ketika
akun sudah terbuat, maka kalian hanya perlu log in
saja sob.

Nah, untuk log in git menggunakan akun github,

kalian cukup ketik command di terminal Python,
seperti berikut:

1. git config –global user.name

“YourUsername”
2. Enter lalu ketik
git config –global user.email
“YourEmail”
3. Enter lalu ketik git config –list
Menggunakan Tool
Kolaborasi

FYI, Github juga punya repository

lho!
Repository di Github ini merupakan tempat untuk
menyimpan semua proyek dan file kalian.

Nggak cuma itu kalian juga bisa mengambil file dari

data scientist lain sob~

Caranya, kalian bisa isi data seperti di gambar lalu

klik deh “create repository”.
Menggunakan Tool
Kolaborasi

Install Git ke dalam suatu direktori

Git juga bisa kalian install ke direktori lho sob,
caranya ketik command:

git init
Menggunakan Tool
Kolaborasi

Sebelum kita lanjut, gimana nih sob, udah familiar

kan dengan Git dan Github?

Nah, kalau sudah paham, kita akan menyelam lebih

dalam soal Git.

Kalian akan melakukan cara menambah dan

menarik file dengan Git. Sudah nggak sabar kan?
Cus langsung geser slidenya~
Menggunakan Tool
Kolaborasi

Add dan/atau Change File

Yang pertama yang bisa kalian lakukan dengan git
adalah menambah file atau mengganti file tersebut.
Caranya kalian cukup ketik command:

git add fileSatu.py

Menggunakan Tool
Kolaborasi

Create Commit
Untuk submit file ke Github, kalian bisa ketik
command:

Git commit -m “first commit”

Menggunakan Tool
Kolaborasi

Add Repository
Jika kalian ingin menambahkan repository di Git,
cukup ketik command seperti ini yaa~

git remote add origin

[email protected]:YourUsername/YourRepositoty
.git
 Menggunakan Tool
Kolaborasi

Push to Github
Untuk proyek dan file yang ingin diletakkan di akun
Github kalian dari Git, cukup ketik command:

git push -u origin master

Menggunakan Tool
Kolaborasi

Clone Repository
Clone di sini artinya bukan badut ya sob!🤡 tapi
artinya adalah download.

Jadi, kalian yang mau download repository dari

Github bisa banget! Gimana caranya?

Coba geser slide-nya~

Menggunakan Tool
Kolaborasi

Clone Repository
Caranya kalian ketik command:

1. git clone

https://github.com/Username/RepositoryNam
e.git OR

1. Lalu kalian ketik lagi

git clone [email protected]:

Username/RepositoryName.git

Tekan enter, lalu selesai deh! Repository sudah

terdwonload~
 Menggunakan Tool
Kolaborasi

Pull to Github
Kebalikannya dengan Push to Github yang meletakkan
proyek ke akun Github dari Git. Pull to Github menarik file
dan/atau proyek dari Github ke Git

Caranya cukup ketik command:

git pull origin master

Menggunakan Tool
Kolaborasi

Selesai sudah belajar tools

kolaborasi Git dan Github!🥳
Kalian tadi sudah belajar apa yang bisa dilakukan
dengan menggunakan Git dan Github untuk
menunjang kolaborasi dengan data scientist
lainnya, seperti yang ada di gambar ini sob~
Refleksi Belajar

Dari API, Git dan Github, selamat kalian

sudah tuntas belajar!🙌🏻

Kira-kira dari topic yang sudah kalian

pelajari, ada lagi nggak yang butuh kalian
perdalam pemahamannya?

Kalau ada kira-kira bagian yang mana sob?

Sudah jangan malu-malu, ngomong saja
hihihi~
Quiz

Saatnya

Quiz
Quiz

1
Sebutkan method/metode yang digunakan dalam Resful API!
A POST, GET

B
GET, POST

C
GET, POST, PUT, DELETE
Pembahasan Quiz

C. GET, POST, PUT, DELETE

Get, Post, Put, Delete adalah metode-metode yang dipakai

dari Restful API
Quiz

2
Dalam konsep API, peran API bisa dianalogikan sebagai apa?
A Customer

B
Waiter

C
Kitchen
Pembahasan Quiz

B. Waiter
Quiz

3
Sebutkan
A 2XX Response code yang menandakan bahwa request berhasil!

B
4XX

C
5XX
Pembahasan Quiz

A. 2XX
Quiz

4
Sebutkan
A Response
2XX code yang menandakan bahwa request mengalami kesalahan di sisi client!

B
4XX

C
5XX
Pembahasan Quiz

B. 4XX
Quiz

5
Sabrina ingin memindahkan proyeknya ke akun Github dari Git, maka perintah yang Sabrina
A adalah
gunakan … -u origin master
git push

B git commit -m “first commit”

C git add fileSatu.py

Pembahasan Quiz

A. git push -u origin master

Command git push -u origin master merupakan command untuk

melakukan push to github atau memindahkan file dari Git ke Github
Rangkuman

Di Chapter 3 Topic 3 kali ini, kita

sudah belajar tentang...
● API (Application Programming Interface)

Output dari proses kerja data science. Berfungsi

melayani request dari Client/Customer dan
mengembalikan sesuai request.

● Restful API (Representational State Transfer)

Arsitektur yang pakai HTTP

● 4 konsep restful API

○ URL Design
○ HTTP Verbs
○ HTTP Response Code
○ Format Response
Rangkuman

● Flask

Flask merupakan framework (kerangka) dari

Python yang digunakan untuk membuat aplikasi
berbasis web.

● Routing

Merupakan sebuah alamat/url/endpoint yang

nantinya akan diakses user/client ketika ingin
mengakses API.

● Swagger UI

Library yang dipakai untuk mendokumentasi

alamat/url/endpoint dari API.

● Gradio

Library Python untuk membuat Machine Learning

Web Apps.
Rangkuman

● Git

Sistem version control untuk melacak perubahan

file dan proyek di cloud.
Referensi

Referensi
1. Flask
Penutup

Yeay! Kalian keren banget sob, sudah

tuntas belajar mengenai Python untuk
Machine Learning khususnya soal
Deployment Model di Chapter 3 Topic 3!

Eits, perjalanan menjadi data scientist

andal masih jauh lho! So, jangan patah
semangat, karena kita akan bertemu lagi di
Chapter 4 ya!

See you~🥰