📈 Proyek MLOps: Prediksi Arah Harga Saham

Selamat datang di Proyek MLOps – Prediksi Arah Harga Saham. Proyek ini dibuat untuk menunjukkan implementasi pipeline MLOps end-to-end dengan fokus utama pada operasionalisasi model (deployment, CI/CD, dan monitoring), bukan pada kompleksitas pemodelan.

Aplikasi akhir berupa web app Streamlit yang dapat memprediksi arah harga saham (Naik / Turun) berdasarkan data historis saham.

---

🎯 Tujuan Proyek

Tujuan utama proyek ini adalah:

• Menerapkan konsep MLOps dalam proyek Machine Learning sederhana
• Mengintegrasikan proses training → versioning → deployment model
• Menyediakan aplikasi prediksi dalam bentuk web app (Streamlit)
• Menerapkan CI/CD menggunakan GitHub Actions
• Menjamin aplikasi reproducible & mudah dijalankan oleh user lain

---

🏗️ Arsitektur Sistem

User (Browser)
     ↓
Streamlit Web App
     ↓
Load Trained Model
     ↓
Prediksi Arah Harga Saham (Up / Down)
     ↓
Hasil Ditampilkan ke User

Alur pengembangan model:

Data Historis Saham
        ↓
Preprocessing Data
        ↓
Feature Engineering
        ↓
Training Model
        ↓
Model Terbaik (model.pkl)
        ↓
Deployment (Streamlit + Docker)
        ↓
CI/CD (GitHub Actions)

---

🖥️ Tampilan Aplikasi

Aplikasi dapat diakses melalui browser dan memiliki fitur:

• Input ticker saham (contoh: ASII.JK)
• Tombol Prediksi
• Output berupa arah harga saham (Naik / Turun)

Judul aplikasi:

Prediksi Arah Harga Saham Model MLOps – Multi-Stock Price Direction Prediction

---

📂 Struktur Repository

.

├── data/
│   └── multistock_tuning_data.csv
│   └── sample_data.csv
├── models/
│   └── best_model.pkl
├── src/
│   └── serving/
│       └── app.py
├── predictions/
├── train.py
├── tune.py
├── predict.py
├── config.yaml
├── requirements.txt
├── Dockerfile
├── README.md
└── .github/
    └── workflows/
        └── ci.yml

---

🚀 Menjalankan Aplikasi Secara Lokal

1️⃣ Clone Repository

git clone https://github.com/<username>/mlops-stock-direction-prediction.git
cd mlops-stock-direction-prediction

---

2️⃣ Install Dependency

Pastikan Python 3.8+ sudah terinstal.

pip install -r requirements.txt

---

3️⃣ Menjalankan Aplikasi Streamlit

streamlit run app.py

Aplikasi akan berjalan di:

https://stock-updown-prediction.streamlit.app/

---

🐳 Menjalankan dengan Docker

Build Docker Image

docker build -t mlops-stock-app .

Run Container

docker run -p 8501:8501 mlops-stock-app

Akses aplikasi di browser:

http://localhost:8501

---

🔁 CI/CD Pipeline

Proyek ini menggunakan GitHub Actions untuk Continuous Integration.

Pipeline dijalankan otomatis setiap kali terjadi push ke repository, dengan tahapan:

• Checkout source code
• Install dependency
• Validasi aplikasi Streamlit
• Build Docker image

CI/CD memastikan aplikasi:

• Selalu dalam kondisi siap dijalankan
• Tidak error akibat dependency
• Konsisten antar environment

---

📊 Monitoring & Logging

Monitoring dilakukan secara sederhana melalui:

• Logging proses prediksi
• Error handling pada aplikasi Streamlit

Pengembangan lanjutan (future work):

• Integrasi Prometheus & Grafana
• Logging terpusat
• Monitoring performa model (data drift)

---

👥 Pembagian Tugas Tim

Nama	NIM	Peran	Tanggung Jawab
Salwa Farhanatussaidah	122450011	Data Engineer	Data collection, preprocessing
Tria Yunanni	122450062	ML Engineer	Training model, evaluasi
Meira Listyaningrum	122450055	MLOps Engineer	Streamlit app, Docker, deployment
Chalifia Wananda	122450076	DevOps / PM	CI/CD, monitoring, dokumentasi, koordinasi

---

📜 Lisensi

Proyek ini menggunakan MIT License.

---