Upload 3 files

app.py

@@ -0,0 +1,39 @@
+"""
+Milestone 2
+Nama: Qothrunnadaa Alyaa
+Batch: HCK-009
+
+File ini digunakan untuk menjalankan home page model prediksi penggunaan kupon diskon
+"""
+
+import streamlit as st
+import eda
+import prediction
+
+
+page = st.sidebar.selectbox(label='Pilih menu untuk memulai:', options=['Home Page', 'Exploratory Data Analysis', 'Prediction Model'])
+
+if page == 'Home Page':
+    st.header('Welcome to Coupon Redemption Predictor!') 
+    st.write('')
+    st.subheader('Milestone 2')
+    st.write('Nama      : Qothrunnadaa Alyaa')
+    st.write('Batch     : HCK-009')
+    st.write('Dataset   : Predictng Coupon Redemption')
+    st.write('')
+    st.write('')
+    st.write('')
+    with st.expander('Objektif'):
+        st.caption('Memprediksi apakah seorang pelanggan akan menggunakan kupon untuk medapatkan diskon')
+
+    with st.expander('Problem Statement'):
+            st.caption('Bagaimana cara memprediksi apakah seorang pelanggan akan menggunakan kupon diskon yang tersedia pada suatu transaksi yang dilakukan pelanggan tersebut?')
+
+    with st.expander('Kesimpulan'):
+        st.caption('Untuk memprediksi apakah seorang pelanggan akan menggunakan kupon diskon yang disediakan akan diprediksi menggunakan model Random Forest, di mana model ini dapat memprediksi penggunaan kupon diskon dengan akurasi sekitar 90% (F1 Score).')
+
+elif page == 'Exploratory Data Analysis':
+    eda.run()
+
+else:
+     prediction.run()

model.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:ae52a921c2ba96b9734ecbf64dba5f126823b15a14507a7b30d9af5fe496feeb
+size 18981406

prediction.py

@@ -0,0 +1,80 @@
+"""
+Milestone 2
+Nama: Qothrunnadaa Alyaa
+Batch: HCK-009
+
+File ini digunakan untuk menjalankan home page model prediksi penggunaan kupon diskon
+"""
+
+import streamlit as st
+import pandas as pd
+import pickle
+
+# Membuat function untuk dipanggil di app.py
+def run():
+    st.title('Coupon Redemption Predictor')
+
+    # Memasukkan besaran diskon menggunakan kupon
+    coupon_discount = st.number_input(label='Discount from Coupon', min_value=0.00)
+
+    # Memasukkan lamanya periode promo
+    campaign_length = st.number_input(label='Promo Period (in Days)', min_value=0.00)
+
+    # Memasukkan lamanya periode promo
+    trx_day = st.number_input(label='Transaction Date', min_value=0.00)
+
+    # Memasukkan lamanya periode promo
+    start_day = st.number_input(label='Promotion Start Date', min_value=0.00)
+
+    # Memasukkan lamanya periode promo
+    end_day = st.number_input(label='Promotion End Date', min_value=0.00)
+
+    # Memasukkan lamanya periode promo
+    brand_type = st.selectbox(label='Brand Type', options=['Established','Local'])
+
+    # Memasukkan lamanya periode promo
+    category_opt = ['Dairy, Juices & Snacks','Grocery','Seafood','Prepared Food','Packaged Meat','Meat',
+                'Pharmaceutical','Natural Products','Skin & Hair Care','Flowers & Plants','Garden',
+                'Travel','Miscellaneous','Bakery','Vegetables (cut)','Salads']
+    
+    category = st.selectbox(label='Item Category', options=category_opt)
+
+    # Memasukkan lamanya periode promo
+    campaign_type = st.selectbox(label='Campaign Type', options=['Y','X'])
+
+    # Memasukkan lamanya periode promo
+    age_option = ['18-25','26-35','36-45','46-55','56-70','70+']
+    age_range = st.selectbox(label='Customer Age Range', options=age_option)
+
+    # Memasukkan lamanya periode promo
+    income_bracket = st.select_slider(label='Customer Income Bracket',options=[n for n in range(1,13)])
+
+    # Membuat data inference dari data yang dimasukkin
+    data_inf = pd.DataFrame({
+        'coupon_discount': coupon_discount,
+        'campaign_length': campaign_length,
+        'trx_day': trx_day,
+        'start_day': start_day,
+        'end_day': end_day,
+        'brand_type': brand_type,
+        'category': category,
+        'campaign_type': campaign_type,
+        'age_range': age_range,
+        'income_bracket': income_bracket
+    }, index=[0])
+    
+    # Menampilkan data 
+    st.header("Transaction Overview")
+    st.table(data_inf)
+
+    # Memprediksi apakah nasabah akan mengalami default atau tidak
+    if st.button(label='Predict'):
+        with open('model.pkl','rb') as model:
+            model = pickle.load(model)
+            
+        y_pred_inf = model.predict(data_inf)
+        
+        if y_pred_inf == 0:
+            st.write('Coupon was not redeemed.')
+        else:
+            st.write('Coupon was redeemed.')