Jernihin
1.0.0
單擊此處查看Jernihin 。
Jernihin是一個基於印尼網站的機器學習計劃，目前正在由4個開發人員開發從機器學習和前端Web開發人員計劃中的SIB3 Capstone C22-078團隊開發，並通過SIB Dicoding X Kampus Merdeka Batch 3 。
自然資源具有巨大的生命潛力並每年繼續增加的自然資源是水。根據有關可持續發展目標（SDG）的數據，印度尼西亞2020年的水質指數為53.53，比上一年有所增加[1]。可以從化學變量（例如pH值，濁度，磷，氮，氧氣等）中看到水測量值，這些變量在確定水質質量中起著重要作用。要找出水的質量，需要定期監測水的質量[2]。
協助水資源管理策略的努力之一是創建一個可以監視水含量質量的系統。基於上面的問題，我們決定使用深度學習方法構建網站應用程序，以預測幾個變量的水質。預計該應用程序將在管理和監測水質的管理和監測方面提供另一種選擇。
根據上述背景，該項目的目標和目標是：
該網站旨在幫助社區作為幫助確定和確定水質的公用事業。預計此功能將有助於更好地管理水資源。
Jernihin具有一個功能，可以幫助人們根據水中的含量來識別水質，包括糞便，氧氣，pH，沉積物，溫度，氮，磷和濁度。此功能應該能夠幫助其用戶繪製和識別水質。
該步驟將通過兩個階段簡要解釋，包括：
從該項目創建虛擬環境的步驟如下：
克隆這個存儲庫
git clone https://github.com/aNdr3W03/Jernihin.git安裝Python虛擬環境
virtualenv venv安裝“需求.txt”中的所有要求
pip install -r requirements.txt導入燒瓶應用程序和運行服務器
export FLASK_APP=app.py
flask run或者
python app.py通過ctrl + c停止應用程序或服務器。
通過電子郵件或GitHub Acoount登錄到鐵路帳戶
創建新項目
選擇部署表格github repo
選擇要部署的呼吸項目
以糞便，氧氣，pH，沉積物，溫度，氮，磷和濁度的形式從HTML形式獲取用戶輸入。這些參數被提取為替換值，將在稍後預測。每個輸入的值範圍在0到100之間。
將用戶輸入擴展到Numpy數組以進行推理。
使用已製定的模型預測用戶輸入。所使用的模型是基於森林分類器集成樹的學習算法。這將從已輸入的所有輸入中返回一系列模型預測的結果。
輸出預測標籤的形式是獲得實際清晰的結果。然後，此整數值將根據與符號匹配的標籤轉換為結果字符串。這個過程的結果是一系列預測結果，例如“優秀”，“良好”，“公平”，“邊緣”和“貧窮”。
最終的預測結果將返回到預測頁面，以顯示給用戶。
使用SWOT分析，即優點，劣勢，機遇和威脅，進行了風險管理計劃和該項目工作期間可能發生的可能問題。進行了該分析是為了繪製和確定該項目開發過程中可能發生的優勢，劣勢，機會和威脅。
對於初始文檔，已經製作了甘特圖，以跟踪約定的對完成列表的開始。在ProjectLibre上製作甘特圖，以獲取時間表的詳細信息，請參見以下甘特圖鏈接的甘特圖文檔，或者在下面的圖片中看到：
jernihin項目甘特圖
該Jernihin存儲庫分為兩個分支：
主（主分支）
main分支用作前端顯示開發和機器學習模型開發的集成分支。該計劃是使用燒瓶框架來建立和集成整個網站的網站和機器學習模型。
開發人員（發展分支）
在確定初始資源的過程中使用dev分支，或者可以稱為嘗試在項目中使用不同的事物的環境，以便最終在找到適當的資源時，文檔將從DEV轉移到主要分支。
Amerigeoss社區平台DataHub
WQI參數分數1994-2013數據集
在研究該項目時，需要一些項目或項目資源。
語言
框架
圖書館
圖標和圖像
部署
[1 ） 3，不。 1，第158-168頁，2022年4月。訪問：2022年10月12日。 [在線]。可用：https：//conference.upnvj.ac.id/index.php/senamika/article/view/2017
[2] MHD Barang Dan Sk Saptomo，“ Analisis kalitas Air Pada Jalur Distribusi Air Bersih di Gedung Baru Fakultas Ekonomi Ekonomi Dan Manajemen Institut Pertanian Bogor，” Jurnal Teknik Teknik Teknik teknik Sipil Dan Lingkungan（J-Sil） ，第1卷。 4，不。 1，第13-24頁，2019年4月。 [在線的]。 Aivailable：https：//journal.ipb.ac.id/index.php/jsil/article/article/view/23735
[3]紐芬蘭和拉布拉多政府，“飲用水質量指數”。 https://www.gov.nl.ca/ecc/waterres/quality/drinkingwater/dwqi（2022年10月12日訪問）。
[4] Nutan，“在Heroku上使用燒瓶部署機器學習模型”。 https://medium.com/@nutanbhogendrasharma/deploy-machine-learning-model-with-flask-on-heroku-cd079b692b1d（2022年10月12日訪問）。
[5] A. Sridhar，“如何使用燒瓶（IRIS數據集）| Python部署機器學習模型。 ” YouTube.com。 https://youtu.be/2lqrfezuimk（2022年11月23日訪問）。
[6] K. Naik，“使用燒瓶部署機器學習模型。 ” youtube.com。 https://youtu.be/ubcwomf80py（2022年11月23日訪問）。
Merdeka Belajar Kampus Merdeka（MBKM）2022
SIB DICODing週期3
C22-078 CAPSTONE團隊
