initial commit

app.py

@@ -0,0 +1,58 @@
+import joblib
+import gradio as gr
+import numpy as np
+
+# Muat model dan vectorizer
+print("Memuat model dan vectorizer...")
+vectorizer = joblib.load('vectorizer.joblib')  # Muat vectorizer
+nb_model = joblib.load('naive_bayes.joblib')  # Muat model Naive Bayes
+print("Model dan vectorizer berhasil dimuat.")
+
+# Fungsi prediksi
+def predict_text(title, content):
+    try:
+        # Transform teks menggunakan vectorizer yang sama
+        title_vector = vectorizer.transform([title])
+        content_vector = vectorizer.transform([content])
+
+        # Gabungkan fitur
+        X_new = np.hstack((title_vector.toarray(), content_vector.toarray()))
+
+        # Prediksi menggunakan model Naive Bayes
+        prediction = nb_model.predict(X_new)  # Prediksi kelas (0 atau 1)
+        probability = nb_model.predict_proba(X_new)  # Probabilitas untuk setiap kelas
+
+        # Format output
+        predicted_class = int(prediction[0])  # Kelas yang diprediksi (0 atau 1)
+        probability_fakta = float(probability[0][0] * 100)  # Probabilitas fakta (kelas 0)
+        probability_hoaks = float(probability[0][1] * 100)  # Probabilitas hoaks (kelas 1)
+
+        # Cetak output (untuk debugging)
+        print(f"Kelas yang diprediksi: {predicted_class}")
+        print(f"Probabilitas fakta: {probability_fakta:.2f}%")
+        print(f"Probabilitas hoaks: {probability_hoaks:.2f}%")
+
+        return predicted_class, probability_fakta, probability_hoaks
+    except Exception as e:
+        print("Error:", str(e))
+        return -1, 0.0, 0.0  # Nilai default jika terjadi error
+
+# Buat antarmuka Gradio
+demo = gr.Interface(
+    fn=predict_text,  # Fungsi prediksi
+    inputs=[
+        gr.Textbox(label="Judul Berita"),  # Input judul
+        gr.Textbox(label="Isi Berita")     # Input isi
+    ],
+    outputs=[
+        gr.Textbox(label="Kelas yang Diprediksi"),  # Output kelas
+        gr.Textbox(label="Probabilitas Fakta"),     # Output probabilitas fakta
+        gr.Textbox(label="Probabilitas Hoaks")      # Output probabilitas hoaks
+    ],
+    title="Deteksi Hoaks dengan Naive Bayes",
+    description="Masukkan judul dan isi berita untuk memprediksi apakah berita tersebut hoaks atau fakta."
+)
+
+# Jalankan aplikasi
+print("Menjalankan aplikasi...")
+demo.launch()

naive_bayes.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:5498bf4769f3c5722be188db678a62cd3180e26afa65e8587802dbc3e8a24c1d
+size 64791

requirements.txt

@@ -0,0 +1,4 @@
+gradio
+scikit-learn
+numpy
+joblib

vectorizer.joblib

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:4b634f3fd87f5c5b76b924097e29fecced4eac04d5f54089b42cfdd83f998234
+size 71152