🧠 Big Five Personality Model - Machine Learning

🔶 Flowchart Model

📓 Notebook

Notebook lengkap dapat dilihat pada tautan berikut:

📘 Buka Notebook Big Five Classification

Dataset

Dataset dapat diunduh melalui tautan berikut:

📥 Download Dataset (OneDrive)

Big Five Model API

Ini adalah API layanan web (Flask) yang melayani model Machine Learning untuk memprediksi Tipe Kepribadian Big Five (Lima Besar) berdasarkan jawaban kuesioner.

Model ini memprediksi probabilitas untuk masing-masing dari lima sifat:

• AGR (Agreeableness)
• CSN (Conscientiousness)
• EST (Extraversion)
• EXT (Emotional Stability - mewakili Neuroticism)
• OPN (Openness)

(Catatan: Harap sesuaikan nama kelas di atas agar sesuai dengan definisi sebenarnya di app.py [AGR, CSN, EST, EXT, OPN]).

Fitur

• Menyediakan endpoint /predict untuk prediksi real-time.
• Menerima 50 input fitur (EXT1-10, EST1-10, AGR1-10, CSN1-10, OPN1-10) dalam format JSON.
• Mengembalikan probabilitas JSON untuk setiap dari lima tipe kepribadian.
• Siap untuk di-deploy menggunakan Docker.

Persiapan dan Instalasi

1. Clone Repositori

git clone https://github.com/WDG-ML/Big-Five-Model.git
cd Big-Five-Model

2. Unduh Model (Penting!)

File model model.pkl tidak disertakan dalam repositori ini (diabaikan oleh .gitignore). Anda harus mengunduhnya secara manual agar aplikasi dapat berjalan.

Unduh model.pkl dari tautan berikut dan letakkan di direktori utama (root) proyek ini:

➡️ Unduh model.pkl di sini

Setelah diunduh, struktur direktori Anda akan terlihat seperti ini:

/Big-Five-Model
    |-- app.py
    |-- dockerfile
    |-- requirements.txt
    |-- model.pkl   <-- (File yang baru Anda unduh)
    |-- .gitignore
    |-- ... (file lainnya)

3. Instal Dependensi

Sangat disarankan untuk menggunakan virtual environment:

# Buat virtual environment
python -m venv venv

# Aktifkan (Windows)
.\venv\Scripts\activate
# Atau (macOS/Linux)
source venv/bin/activate

# Instal paket yang diperlukan
pip install -r requirements.txt

Menjalankan Aplikasi

Anda dapat menjalankan server dengan dua cara:

1. Lokal (Mode Pengembangan)

Pastikan Anda telah menginstal dependensi dan file model.pkl berada di folder yang benar.

# Jalankan aplikasi Flask
python app.py

Server akan berjalan di http://0.0.0.0:5000/.

2. Menggunakan Docker

Cara ini direkomendasikan untuk deployment. Pastikan model.pkl ada di direktori sebelum membangun (build) image.

# 1. Bangun (build) Docker image
docker build -t big-five-api .

# 2. Jalankan (run) container
docker run -p 5000:5000 big-five-api

Server akan dapat diakses di http://localhost:5000.

Penggunaan API

Kirim permintaan POST ke endpoint /predict dengan JSON body yang berisi 50 fitur jawaban.

Endpoint: POST /predict

Contoh Request Body (JSON)

Anda harus menyediakan 50 kunci, dari EXT1 hingga OPN10. Nilai yang tidak ada atau non-numerik akan diperlakukan sebagai 0.

{
  "EXT1": 5,
  "EXT2": 1,
  "EXT3": 4,
  "EXT4": 2,
  "EXT5": 5,
  "EXT6": 1,
  "EXT7": 5,
  "EXT8": 2,
  "EXT9": 4,
  "EXT10": 1,
  "EST1": 3,
  "EST2": 2,
  "EST3": 4,
  "EST4": 2,
  "EST5": 3,
  "EST6": 2,
  "EST7": 3,
  "EST8": 2,
  "EST9": 3,
  "EST10": 3,
  "AGR1": 2,
  "AGR2": 5,
  "AGR3": 2,
  "AGR4": 4,
  "AGR5": 2,
  "AGR6": 4,
  "AGR7": 2,
  "AGR8": 4,
  "AGR9": 4,
  "AGR10": 3,
  "CSN1": 3,
  "CSN2": 2,
  "CSN3": 5,
  "CSN4": 2,
  "CSN5": 4,
  "CSN6": 1,
  "CSN7": 4,
  "CSN8": 2,
  "CSN9": 5,
  "CSN10": 5,
  "OPN1": 4,
  "OPN2": 1,
  "OPN3": 5,
  "OPN4": 1,
  "OPN5": 5,
  "OPN6": 1,
  "OPN7": 4,
  "OPN8": 3,
  "OPN9": 5,
  "OPN10": 5
}

Contoh Respon Sukses (JSON)

Respon akan mengembalikan probabilitas yang diprediksi untuk setiap kelas.

{
  "success": true,
  "probabilities": {
    "AGR": 0.0489,
    "CSN": 0.152,
    "EST": 0.1001,
    "EXT": 0.6501,
    "OPN": 0.0489
  }
}

Web App

Untuk github website dapat dibuka dengan link dibawah !

➡️ Github Web App

Lisensi

Proyek ini dilisensikan di bawah Lisensi MIT.