Scribd
Unggah
32 tayangan

Modul Flask RESTful API

Modul ini memberikan panduan untuk membuat RESTful API menggunakan Flask untuk melakukan klasifikasi bunga iris. Modul ini terbagi atas 3 bagian yaitu pengenalan Flask, penggunaan template HTML, dan pembuatan RESTful API untuk menerima input dan memprediksi jenis bunga iris.

Diunggah oleh

Ryoma Yamashita
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
32 tayangan

Modul Flask RESTful API

Modul ini memberikan panduan untuk membuat RESTful API menggunakan Flask untuk melakukan klasifikasi bunga iris. Modul ini terbagi atas 3 bagian yaitu pengenalan Flask, penggunaan template HTML, dan pembuatan RESTful API untuk menerima input dan memprediksi jenis bunga iris.

Diunggah oleh

Ryoma Yamashita
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 11

Modul Latihan Flask RESTful API

Program AI Mastery – Orbit Future Academy

Bagian I – Getting Started


1. Clone Repository
1. Pastikan Anda sudah meng-install git. Untuk mengeceknya, Anda dapat
menjalankan perintah berikut pada aplikasi terminal (disarankan
menggunakan git bash).
$ git –version

Apabila sudah terinstall git, maka akan muncul versi git seperti pada
gambar di atas.

2. Silahkan buka aplikasi terminal, lalu pindahkan directory sesuai dengan


keinginan Anda menggunakan perintah cd.
Anda bebas menempatkan current directory di tempat yang Anda
inginkan. Dalam contoh berikut akan berpindah dari directory home (~) ke
directory ~/Documents.

3. Clone repository https://github.com/rasyidev/aim-technical.git dengan


perintah berikut.
$ git clone https://github.com/rasyidev/aim-
technical.git
4. Pastikan repository berhasil di-clone dengan perintah berikut.
$ ls

Setelah menjalankan perintah ls, maka akan terdapat


folder aim-technical yang menandakan proses clone
berhasil. ../ Merepresentasikan folder lainnya di directory
~/Document, tapi kita hanya fokus pada folder aim-technical.

5. Pindahkan direktori ke dalam aim-technical dengan perintah berikut.


$ cd aim-technical/
2. Instalasi Environment
1. Pindah direktori ke M7S1 dengan perintah berikut.
$ cd M7S1

2. Buat environment baru dan Install semua dependency menggunakan


perintah conda berikut.
$ conda env create -f flask.yml
3. Aktifkan environment flask yang baru saja Anda install.
$ conda activate flask

4. Jalankan Jupyter Notebook dengan perintah berikut.


$ jupyter notebook

Setelah menjalankan jupyter notebook, Anda akan langsung diarahkan ke


browser dengan tampilan berikut.
Bagian II – Menjalankan Aplikasi Flask
A. Flask Intro
1. Pindah directory ke 1-flask-intro menggunakan perintah berikut
$ cd 1-flask-intro

2. Jalankan program app.py dengan menggunakan perintah berikut.


$ python app.py

Perintah tersebut akan menjalankan server flask. Untuk mengeceknya Anda


dapat mengunjungi http://localhost:5000/ pada aplikasi Browser Anda.
3. Buka direktori jupyter notebook pada Browser Anda, masuk ke dalam folder
1-flask-intro, lalu jalankan file 1-flask-intro.ipynb pada juptyter notebook.

Jalankan setiap cell dan perhatikan outputnya.

4. Matikan server flask dengan menenekan CTRL + C.

5. Jalankan server flask dengan file app-returns-json.py dan jalankan ulang


notebook 1-flask-intro.ipynb. Perhatikan perbedaannya.
B. Flask Template
1. Pindah directory ke 2-flask-template dengan menjalankan perintah berikut.
$ cd ../2-flask-template

2. Jalankan server flask dengan nama file app.py


$ python app.py
3. Buka browser Anda dan kunjungi http://localhost:5000, maka akan muncul
tampilan seperti berikut ini.

Tampilan tersebut merupakan tampilan hasil render file html yang dijalankan
menggunakan server flask.

4. Matikan server flask dengan menenekan CTRL + C.


C. RESTful API untuk Klasifikasi Bunga Iris
1. Pindah directory ke 2-flask-template dengan menjalankan perintah berikut.
$ cd ../3-restful-api-to-predict-iris-flower

2. Jalankan server flask dengan perintah berikut


$ python app.py
3. Buka browser Anda dan kunjungi http://localhost:5000, maka akan muncul
tampilan seperti berikut ini.
4. Isi form dengan nilai seperti tampak pada gambar berikut (Anda boleh
mencoba untuk menggunakan nilai yang berbeda), lalu tekan tombol Prediksi.

Terima kasih

Anda mungkin juga menyukai