Deploy Model Machine Learning UMKM dengan Flask

Deploy Model Machine Learning UMKM dengan Flask API
Dari Notebook ke Sistem Bisnis Nyata

Artikel ini merupakan bagian keempat dari seri Machine Learning untuk UMKM. Jika Anda belum membaca fondasinya, silakan mulai dari Konsep Dasar Machine Learning UMKM & Analisis RFM Pelanggan .

Artikel ini merupakan bagian keempat dari seri Machine Learning untuk UMKM:

Banyak UMKM gagal memanfaatkan machine learning bukan karena modelnya buruk, tetapi karena tidak pernah di-deploy ke sistem operasional.

📘 Seri Machine Learning untuk UMKM

• Bagian 1 – Konsep Dasar Machine Learning & RFM Pelanggan
• Bagian 2 – Pipeline K-Means, KNN & Decision Tree
• Bagian 3 – Evaluasi, Visualisasi & Studi Kasus

Daftar Isi

1. Tujuan Deploy Model
2. Arsitektur Sistem
3. Menyimpan Model Machine Learning
4. Membangun API dengan Flask
5. Simulasi Penggunaan oleh UMKM
6. Dampak Nyata bagi UMKM
7. Penutup & Langkah Berikutnya

1. Tujuan Deploy Model

Deploy model memungkinkan sistem UMKM menggunakan hasil machine learning secara langsung tanpa membuka notebook.

2. Arsitektur Sistem

Diagram arsitektur deploy model machine learning UMKM menggunakan Flask API

Model dilatih offline, disimpan sebagai file, dan diakses melalui API Flask oleh sistem lain.

3. Menyimpan Model Machine Learning

import joblib
joblib.dump(kmeans, "kmeans_model.pkl")
joblib.dump(knn, "knn_model.pkl")
joblib.dump(scaler, "scaler.pkl")

4. Membangun API dengan Flask

from flask import Flask, request, jsonify
import joblib, pandas as pd
app = Flask(__name__)

5. Simulasi Penggunaan oleh UMKM

{
  "recency": 10,
  "frequency": 7,
  "monetary": 1800000
}

6. Dampak Nyata bagi UMKM

Model ini memungkinkan UMKM memberikan promo, segmentasi, dan keputusan berbasis data secara real-time.

7. Penutup & Langkah Berikutnya

Artikel selanjutnya membahas dashboard visualisasi dan monitoring perubahan segmen pelanggan.