4.4 KiB

Raw Blame History

Database Setup untuk Deteksi PMK

Persyaratan

MySQL Server berjalan (versi 5.7 atau lebih tinggi)
Python 3.12.5 dengan semua dependencies terinstall

Langkah Setup

1. Install MySQL Server (Jika belum)

Windows:

Download dari https://dev.mysql.com/downloads/mysql/
Ikuti installer wizard
Default Port: 3306
Default User: root

Linux (Ubuntu/Debian):

sudo apt-get install mysql-server

macOS:

brew install mysql
brew services start mysql

2. Configure Environment Variables

Copy .env.example ke .env dan update konfigurasi:

cp .env.example .env

Edit .env dengan kredensial MySQL Anda:

# MySQL Database Configuration
DB_HOST=localhost
DB_PORT=3306
DB_USER=root
DB_PASSWORD=your_password_here
DB_NAME=deteksi_pmk

# Flask Configuration
FLASK_SECRET=your-secret-key-here

Penting:

DB_HOST: Alamat server MySQL (default: localhost)
DB_USER: Username MySQL (default: root)
DB_PASSWORD: Password MySQL (kosongkan jika tidak ada password)
DB_NAME: Nama database yang akan dibuat

3. Setup Database

Jalankan script setup:

python setup_db.py

Script ini akan:

Membuat database deteksi_pmk
Membuat tabel-tabel yang diperlukan:
- predictions - Menyimpan hasil prediksi
- diagnosis_history - Menyimpan hasil diagnosis

4. Verify Database Connection

Anda bisa test koneksi dengan menjalankan:

python -c "from utils.mysql_db import get_engine; engine = get_engine(); print('✓ Database connected successfully!')"

5. Jalankan Aplikasi

python app.py

Aplikasi akan berjalan di: http://localhost:5000

Database Schema

Tabel: predictions

Column	Type	Description
id	INT PRIMARY KEY AUTO_INCREMENT	ID unik prediksi
original_filename	VARCHAR(255)	Nama file asli yang diupload
filename	VARCHAR(255)	Nama file yang disimpan
image_path	VARCHAR(500)	Path lengkap file
prediction	VARCHAR(50)	Hasil prediksi ('sehat' atau 'sakit')
confidence	FLOAT	Tingkat kepercayaan (0-100)
features	TEXT	JSON string dari fitur-fitur
timestamp	DATETIME	Waktu prediksi

Tabel: diagnosis_history

Column	Type	Description
id	INT PRIMARY KEY AUTO_INCREMENT	ID unik diagnosis
original_filename	VARCHAR(255)	Nama file asli yang diupload
filename	VARCHAR(255)	Nama file yang disimpan
image_path	VARCHAR(500)	Path lengkap file
diagnosis	TEXT	JSON string dari diagnosis details
severity	VARCHAR(50)	Tingkat keparahan ('ringan', 'sedang', 'berat')
confidence	FLOAT	Tingkat kepercayaan (0-100)
timestamp	DATETIME	Waktu diagnosis

Troubleshooting

"MySQL not available at startup"

Pastikan MySQL Server berjalan
Periksa konfigurasi di file .env
Pastikan password MySQL benar

"Cannot import 'setuptools.build_meta'"

Jalankan: pip install --upgrade setuptools

"NumPy 2.x incompatibility"

Sudah fixed dengan numpy<2 di requirements.txt
Jalankan: pip install "numpy<2"

Database tidak tersimpan di MySQL

Periksa apakah MYSQL_AVAILABLE = True di terminal saat startup
Cek file .env konfigurasi
Jalankan python setup_db.py lagi untuk pastikan database terbuat

Features yang Tersedia

1. Prediksi dengan Machine Learning

Upload gambar (JPG, PNG, BMP)
Deteksi PMK otomatis
Confidence score tinggi

2. Riwayat Deteksi

Lihat semua hasil deteksi yang tersimpan di database
Filter berdasarkan hasil (Sehat/Sakit)
Statistik real-time

3. Detail Riwayat

Klik "Detail" di riwayat untuk melihat:
- Hasil lengkap prediksi
- Confidence score
- Fitur-fitur yang dianalisis
- Informasi file

4. Diagnosis Expertise System

Berbasis rule-based system
Memberikan diagnosis detail berdasarkan gejala
Simpan hasil diagnosis ke database

Data Storage Priority

MySQL Database (Utama)
- Real-time
- Queryable
- Backup terstruktur
CSV Files (Backup)
- Fallback jika MySQL error
- Di folder results/

Tips

Pastikan MySQL Server running sebelum startup aplikasi
Reguler backup database MySQL Anda
Gunakan password yang kuat untuk MySQL di production
Ubah FLASK_SECRET di .env untuk production

Support

Jika ada error, cek:

setup_db.py untuk initialize database
File .env konfigurasi
MySQL Server status
Requirements sudah terinstall dengan benar

4.4 KiB Raw Blame History