AutoGluon: Tutorial Lengkap Library AutoML dari AWS untuk Machine Learning Otomatis

# Tutorial Lengkap AutoGluon: Library AutoML dari AWS untuk Machine Learning Otomatis AutoGluon adalah library open-source AutoML (Automated Machine Learning) yang dikembangkan oleh AWS. Library ini...

By Ruby Abdullah · · tutorial
AutoGluonAutoMLAWSMachine LearningTime Series

Tutorial Lengkap AutoGluon: Library AutoML dari AWS untuk Machine Learning Otomatis

AutoGluon adalah library open-source AutoML (Automated Machine Learning) yang dikembangkan oleh AWS. Library ini dirancang untuk memudahkan proses pembuatan model machine learning berkualitas tinggi hanya dengan beberapa baris kode. AutoGluon secara otomatis menangani feature engineering, pemilihan model, hyperparameter tuning, dan model ensembling, sehingga pengguna dapat fokus pada pemahaman data dan interpretasi hasil.

Dalam tutorial ini, kita akan membahas secara mendalam tiga komponen utama AutoGluon: TabularPredictor untuk data tabular, MultiModalPredictor untuk data multi-modal (teks, gambar, tabular), dan TimeSeriesPredictor untuk peramalan time series. Setiap bagian dilengkapi dengan contoh kode yang dapat langsung dijalankan.

Mengapa Memilih AutoGluon?

Sebelum masuk ke instalasi dan penggunaan, penting untuk memahami mengapa AutoGluon layak dipertimbangkan dibandingkan library AutoML lainnya:

  • Kemudahan penggunaan: Cukup tiga baris kode untuk melatih model berkualitas kompetisi Kaggle.
  • Ensemble otomatis: AutoGluon secara otomatis menggabungkan beberapa model (LightGBM, CatBoost, XGBoost, Neural Network, Random Forest, dll.) untuk menghasilkan prediksi yang lebih akurat.
  • Multi-modal: Mendukung data tabular, teks, gambar, dan kombinasinya dalam satu framework terpadu.
  • Time series: Menyediakan komponen khusus untuk peramalan time series dengan berbagai algoritma modern.
  • Didukung AWS: Dikembangkan dan dipelihara oleh tim AWS, sehingga terintegrasi baik dengan ekosistem AWS seperti SageMaker.
  • Performa kompetitif: Secara konsisten menunjukkan performa terbaik di berbagai benchmark AutoML dan kompetisi Kaggle.
  • Instalasi

    Prasyarat Sistem

    AutoGluon membutuhkan Python 3.8 hingga 3.11. Disarankan menggunakan environment virtual untuk menghindari konflik dependensi.

    # Buat virtual environment
    

    python3 -m venv autogluon-env

    source autogluon-env/bin/activate

    Upgrade pip

    pip install --upgrade pip

    Instalasi AutoGluon

    Anda dapat menginstal AutoGluon secara penuh atau hanya modul tertentu sesuai kebutuhan.

    # Instalasi lengkap (semua modul)
    

    pip install autogluon

    Atau instalasi per modul sesuai kebutuhan

    pip install autogluon.tabular # Untuk data tabular

    pip install autogluon.multimodal # Untuk multi-modal (teks, gambar, tabular)

    pip install autogluon.timeseries # Untuk time series forecasting

    Instalasi dengan Dukungan GPU

    Jika Anda memiliki GPU NVIDIA dan ingin memanfaatkannya untuk pelatihan yang lebih cepat:

    # Instalasi dengan dukungan CUDA 11.8
    

    pip install autogluon

    pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

    Verifikasi Instalasi

    Setelah instalasi, verifikasi bahwa AutoGluon terinstal dengan benar:

    import autogluon
    

    print(f"AutoGluon version: {autogluon.version}")

    from autogluon.tabular import TabularPredictor

    from autogluon.multimodal import MultiModalPredictor

    from autogluon.timeseries import TimeSeriesPredictor, TimeSeriesDataFrame

    print("Semua modul berhasil diimpor!")

    Penggunaan Dasar: TabularPredictor

    TabularPredictor adalah komponen paling populer dari AutoGluon. Komponen ini dirancang untuk menangani data tabular (data berbentuk tabel dengan baris dan kolom) dan secara otomatis menentukan apakah masalah yang dihadapi adalah klasifikasi atau regresi.

    Contoh 1: Prediksi Harga Rumah (Regresi)

    Mari kita mulai dengan contoh klasik: memprediksi harga rumah berdasarkan fitur-fitur properti.

    import pandas as pd
    

    from autogluon.tabular import TabularPredictor

    Buat dataset contoh harga rumah

    data = {

    'luastanah': [120, 150, 200, 80, 300, 175, 90, 250, 160, 110,

    140, 180, 220, 95, 280, 130, 170, 210, 100, 260],

    'luasbangunan': [100, 120, 160, 60, 250, 140, 70, 200, 130, 90,

    110, 150, 180, 75, 230, 105, 135, 170, 80, 210],

    'jumlahkamar': [3, 4, 5, 2, 6, 4, 2, 5, 4, 3,

    3, 4, 5, 2, 6, 3, 4, 5, 2, 5],

    'jumlahkamarmandi': [2, 2, 3, 1, 4, 2, 1, 3, 2, 2,

    2, 3, 3, 1, 4, 2, 2, 3, 1, 3],

    'lokasi': ['Jakarta Selatan', 'Bekasi', 'Jakarta Selatan', 'Tangerang',

    'Jakarta Selatan', 'Depok', 'Tangerang', 'Jakarta Selatan',

    'Bekasi', 'Depok', 'Jakarta Selatan', 'Bekasi', 'Jakarta Selatan',

    'Tangerang', 'Jakarta Selatan', 'Depok', 'Bekasi', 'Jakarta Selatan',

    'Tangerang', 'Jakarta Selatan'],

    'tahundibangun': [2015, 2010, 2020, 2005, 2022, 2018, 2008, 2021,

    2012, 2016, 2019, 2014, 2023, 2007, 2024, 2017,

    2013, 2022, 2006, 2023],

    'hargajuta': [1500, 1200, 3500, 600, 5500, 2000, 700, 4500, 1800, 1000,

    1700, 2500, 4000, 650, 5200, 1400, 2100, 3800, 750, 4800]

    }

    df = pd.DataFrame(data)

    Pisahkan data train dan test

    traindata = df.iloc[:16]

    testdata = df.iloc[16:]

    Latih model dengan AutoGluon

    predictor = TabularPredictor(

    label='hargajuta', # Kolom target

    evalmetric='rootmeansquarederror', # Metrik evaluasi

    path='models/hargarumah' # Direktori penyimpanan model

    )

    predictor.fit(

    traindata=traindata,

    timelimit=120, # Batas waktu pelatihan (detik)

    presets='bestquality' # Preset kualitas terbaik

    )

    Prediksi pada data test

    predictions = predictor.predict(testdata)

    print("\nHasil Prediksi Harga Rumah (dalam juta Rp):")

    for i, (idx, row) in enumerate(testdata.iterrows()):

    print(f" Rumah di {row['lokasi']}, {row['luastanah']}m2: "

    f"Prediksi = Rp {predictions.iloc[i]:.0f} juta, "

    f"Aktual = Rp {row['hargajuta']} juta")

    Lihat leaderboard model

    leaderboard = predictor.leaderboard(testdata, silent=True)

    print("\nLeaderboard Model:")

    print(leaderboard[['model', 'scoretest', 'predtimetest']])

    Contoh 2: Klasifikasi Churn Pelanggan

    Berikut contoh penggunaan TabularPredictor untuk masalah klasifikasi, yaitu memprediksi apakah pelanggan akan berhenti berlangganan (churn).

    import pandas as pd
    

    import numpy as np

    from autogluon.tabular import TabularPredictor

    Buat dataset contoh churn pelanggan

    np.random.seed(42)

    nsamples = 200

    data = {

    'usia': np.random.randint(18, 65, nsamples),

    'lamaberlanggananbulan': np.random.randint(1, 72, nsamples),

    'tagihanbulanan': np.random.uniform(50000, 500000, nsamples).round(0),

    'jumlahkomplain': np.random.randint(0, 10, nsamples),

    'penggunaandatagb': np.random.uniform(1, 50, nsamples).round(1),

    'tipepaket': np.random.choice(['Basic', 'Standard', 'Premium'], nsamples),

    'metodepembayaran': np.random.choice(['Transfer', 'Kartu Kredit', 'E-Wallet'], nsamples),

    }

    Buat label churn berdasarkan logika sederhana

    churnprob = (

    (np.array(data['jumlahkomplain']) > 5).astype(float) 0.4 +

    (np.array(data['lamaberlanggananbulan']) < 12).astype(float) 0.3 +

    (np.array(data['tagihanbulanan']) > 350000).astype(float) 0.2

    )

    data['churn'] = (churnprob + np.random.uniform(0, 0.3, nsamples) > 0.5).astype(int)

    df = pd.DataFrame(data)

    Pisahkan train dan test

    traindata = df.iloc[:160]

    testdata = df.iloc[160:]

    Latih model klasifikasi

    predictor = TabularPredictor(

    label='churn',

    evalmetric='f1',

    path='models/churnprediction'

    )

    predictor.fit(

    traindata=traindata,

    timelimit=120,

    presets='mediumquality'

    )

    Evaluasi model

    performance = predictor.evaluate(testdata)

    print(f"\nPerforma Model pada Data Test:")

    print(f" F1 Score: {performance['f1']:.4f}")

    Prediksi probabilitas churn

    proba = predictor.predictproba(testdata)

    print("\nProbabilitas Churn untuk 5 Pelanggan Pertama:")

    print(proba.head())

    Feature importance

    importance = predictor.featureimportance(testdata)

    print("\nFeature Importance:")

    print(importance)

    Memahami Presets

    AutoGluon menyediakan beberapa preset yang mengontrol keseimbangan antara akurasi dan waktu pelatihan:

    | Preset | Deskripsi | Waktu | Akurasi |

    |--------|-----------|-------|---------|

    | bestquality | Kualitas terbaik, multi-layer stacking | Lama | Tertinggi |

    | highquality | Kualitas tinggi dengan bagging | Sedang-Lama | Tinggi |

    | goodquality | Keseimbangan kecepatan dan akurasi | Sedang | Baik |

    | mediumquality | Lebih cepat dengan akurasi memadai | Cepat | Memadai |

    | optimizefordeployment | Optimasi untuk deployment | Cepat | Baik |

    Penggunaan Dasar: MultiModalPredictor

    MultiModalPredictor memungkinkan Anda bekerja dengan data yang mencakup berbagai modalitas sekaligus: teks, gambar, dan data tabular. Komponen ini sangat berguna untuk kasus di mana informasi tersebar di berbagai bentuk data.

    Contoh 3: Klasifikasi Teks (Analisis Sentimen)

    Berikut contoh penggunaan MultiModalPredictor untuk klasifikasi sentimen review produk dalam Bahasa Indonesia.

    import pandas as pd
    

    from autogluon.multimodal import MultiModalPredictor

    Dataset contoh review produk

    data = {

    'review': [

    'Produk ini sangat bagus, kualitasnya luar biasa!',

    'Mengecewakan, barang tidak sesuai deskripsi.',

    'Pengiriman cepat dan produk sesuai ekspektasi.',

    'Kualitas buruk, mudah rusak setelah beberapa hari.',

    'Harga terjangkau dengan kualitas yang memuaskan.',

    'Tidak recommended, banyak cacat produksi.',

    'Seller responsif dan barang dikemas dengan rapi.',

    'Ukuran tidak sesuai, proses retur ribet sekali.',

    'Desain menarik dan bahan berkualitas premium.',

    'Barang sampai dalam kondisi rusak, sangat kecewa.',

    'Warna sesuai foto, bahan adem dan nyaman dipakai.',

    'Sudah 3 kali beli dan selalu puas dengan hasilnya.',

    'Pelayanan after sales sangat mengecewakan.',

    'Best seller memang terbukti, produk sangat recommended!',

    'Jahitannya rapi, ukuran pas, pengiriman juga cepat.',

    'Barang murah tapi kualitasnya di bawah standar.',

    'Overall puas, akan repeat order lagi.',

    'Produk tidak awet, cat cepat mengelupas.',

    'Sangat membantu untuk kegiatan sehari-hari.',

    'Garansi tidak berlaku, padahal baru sebulan dipakai.',

    ],

    'kategoriproduk': [

    'Elektronik', 'Fashion', 'Elektronik', 'Peralatan Rumah',

    'Fashion', 'Elektronik', 'Fashion', 'Fashion',

    'Fashion', 'Elektronik', 'Fashion', 'Kecantikan',

    'Elektronik', 'Kecantikan', 'Fashion', 'Peralatan Rumah',

    'Kecantikan', 'Peralatan Rumah', 'Elektronik', 'Elektronik',

    ],

    'rating': [5, 1, 4, 2, 4, 1, 5, 2, 5, 1,

    4, 5, 1, 5, 5, 2, 4, 1, 4, 1],

    'sentimen': [

    'positif', 'negatif', 'positif', 'negatif', 'positif',

    'negatif', 'positif', 'negatif', 'positif', 'negatif',

    'positif', 'positif', 'negatif', 'positif', 'positif',

    'negatif', 'positif', 'negatif', 'positif', 'negatif',

    ]

    }

    df = pd.DataFrame(data)

    traindata = df.iloc[:16]

    testdata = df.iloc[16:]

    Latih MultiModalPredictor

    predictor = MultiModalPredictor(

    label='sentimen',

    evalmetric='accuracy',

    path='models/sentimenreview'

    )

    predictor.fit(

    traindata=traindata,

    timelimit=120

    )

    Prediksi sentimen

    predictions = predictor.predict(testdata)

    print("\nHasil Prediksi Sentimen:")

    for i, (idx, row) in enumerate(testdata.iterrows()):

    print(f" Review: '{row['review'][:50]}...'")

    print(f" Prediksi: {predictions.iloc[i]} | Aktual: {row['sentimen']}")

    print()

    Evaluasi

    scores = predictor.evaluate(testdata)

    print(f"Akurasi: {scores['accuracy']:.4f}")

    Contoh 4: Prediksi Multi-Modal (Teks + Tabular)

    MultiModalPredictor unggul ketika data Anda mencakup campuran teks dan fitur numerik/kategorikal.

    import pandas as pd
    

    from autogluon.multimodal import MultiModalPredictor

    Dataset listing properti dengan deskripsi teks

    data = {

    'deskripsi': [

    'Rumah mewah di area elite dengan taman luas dan kolam renang pribadi',

    'Apartemen studio minimalis dekat stasiun MRT, cocok untuk pekerja',

    'Rumah 2 lantai di perumahan cluster dengan keamanan 24 jam',

    'Kontrakan murah di gang sempit, kondisi perlu renovasi',

    'Villa dengan pemandangan gunung, cocok untuk investasi wisata',

    'Rumah tua di pusat kota, lokasi strategis dekat pasar dan sekolah',

    'Townhouse modern dengan smart home system dan rooftop garden',

    'Rumah sederhana di pinggiran kota, akses jalan masih tanah',

    'Penthouse di lantai 30 dengan view kota yang spektakuler',

    'Rumah subsidi pemerintah di kawasan perumahan baru',

    ],

    'luasm2': [350, 28, 150, 45, 500, 120, 200, 80, 180, 36],

    'jumlahkamar': [5, 1, 4, 2, 6, 3, 4, 2, 3, 2],

    'lokasi': ['Jakarta Selatan', 'Jakarta Pusat', 'Tangerang',

    'Bekasi', 'Bogor', 'Jakarta Barat', 'BSD',

    'Depok', 'Jakarta Selatan', 'Tangerang Selatan'],

    'hargakategori': ['Premium', 'Medium', 'Medium', 'Budget',

    'Premium', 'Medium', 'Premium', 'Budget',

    'Premium', 'Budget']

    }

    df = pd.DataFrame(data)

    traindata = df.iloc[:8]

    testdata = df.iloc[8:]

    Latih model multi-modal

    predictor = MultiModalPredictor(

    label='hargakategori',

    path='models/propertimultimodal'

    )

    predictor.fit(

    traindata=traindata,

    timelimit=60

    )

    Prediksi

    predictions = predictor.predict(testdata)

    print("\nHasil Klasifikasi Harga Properti:")

    for i, (idx, row) in enumerate(testdata.iterrows()):

    print(f" {row['deskripsi'][:60]}...")

    print(f" Prediksi: {predictions.iloc[i]} | Aktual: {row['hargakategori']}")

    print()

    Penggunaan Dasar: TimeSeriesPredictor

    TimeSeriesPredictor adalah komponen AutoGluon untuk peramalan data time series. Komponen ini mendukung berbagai algoritma mulai dari metode statistik klasik (ARIMA, ETS) hingga model deep learning modern (DeepAR, Temporal Fusion Transformer).

    Contoh 5: Peramalan Penjualan

    import pandas as pd
    

    import numpy as np

    from autogluon.timeseries import TimeSeriesPredictor, TimeSeriesDataFrame

    Buat dataset contoh penjualan harian untuk beberapa toko

    np.random.seed(42)

    dates = pd.daterange('2025-01-01', '2026-10-31', freq='D')

    stores = ['TokoJakarta', 'TokoSurabaya', 'TokoBandung']

    rows = []

    for store in stores:

    basesales = {'TokoJakarta': 500, 'TokoSurabaya': 350, 'TokoBandung': 280}[store]

    for date in dates:

    # Tambahkan pola musiman (mingguan dan bulanan)

    weeklypattern = 50 np.sin(2 np.pi date.dayofweek / 7)

    monthlypattern = 100 np.sin(2 np.pi date.month / 12)

    trend = 0.2 (date - dates[0]).days # Tren naik

    noise = np.random.normal(0, 30)

    sales = max(0, basesales + weeklypattern + monthlypattern + trend + noise)

    rows.append({

    'itemid': store,

    'timestamp': date,

    'target': round(sales, 0)

    })

    df = pd.DataFrame(rows)

    Konversi ke TimeSeriesDataFrame

    tsdf = TimeSeriesDataFrame.fromdataframe(

    df,

    idcolumn='itemid',

    timestampcolumn='timestamp'

    )

    Pisahkan data: gunakan data sampai September 2026 untuk training

    dan Oktober 2026 untuk evaluasi

    traindata = tsdf.slicebytimestep(None, -31) # Semua kecuali 31 hari terakhir

    testdata = tsdf

    Latih TimeSeriesPredictor

    predictor = TimeSeriesPredictor(

    predictionlength=31, # Prediksi 31 hari ke depan

    evalmetric='MASE', # Mean Absolute Scaled Error

    path='models/penjualants',

    target='target'

    )

    predictor.fit(

    traindata=traindata,

    timelimit=120,

    presets='mediumquality'

    )

    Buat prediksi

    predictions = predictor.predict(traindata)

    print("\nPrediksi Penjualan 31 Hari ke Depan:")

    print(predictions.head(10))

    Evaluasi

    leaderboard = predictor.leaderboard(testdata, silent=True)

    print("\nLeaderboard Model Time Series:")

    print(leaderboard[['model', 'scoretest', 'predtimetest']])

    Contoh 6: Peramalan dengan Kovariat Tambahan

    TimeSeriesPredictor juga mendukung fitur tambahan (covariates) yang dapat meningkatkan akurasi prediksi.

    import pandas as pd
    

    import numpy as np

    from autogluon.timeseries import TimeSeriesPredictor, TimeSeriesDataFrame

    np.random.seed(42)

    dates = pd.daterange('2025-01-01', '2026-10-31', freq='D')

    rows = []

    for date in dates:

    isweekend = 1 if date.dayofweek >= 5 else 0

    isholiday = 1 if (date.month == 12 and date.day == 25) or \

    (date.month == 1 and date.day == 1) or \

    (date.month == 8 and date.day == 17) else 0

    temperature = 28 + 5 np.sin(2 np.pi date.dayofyear / 365) + \

    np.random.normal(0, 2)

    base = 1000

    weekendeffect = 300 isweekend

    holidayeffect = 500 isholiday

    tempeffect = 20 (temperature - 28)

    noise = np.random.normal(0, 50)

    visitors = max(0, base + weekendeffect + holidayeffect + tempeffect + noise)

    rows.append({

    'itemid': 'MallJakarta',

    'timestamp': date,

    'target': round(visitors),

    'isweekend': isweekend,

    'isholiday': isholiday,

    'temperature': round(temperature, 1)

    })

    df = pd.DataFrame(rows)

    tsdf = TimeSeriesDataFrame.fromdataframe(

    df, idcolumn='itemid', timestampcolumn='timestamp'

    )

    traindata = tsdf.slicebytimestep(None, -30)

    Latih model dengan kovariat

    predictor = TimeSeriesPredictor(

    predictionlength=30,

    evalmetric='MAPE',

    path='models/visitorts',

    target='target',

    knowncovariatesnames=['isweekend', 'isholiday', 'temperature']

    )

    predictor.fit(

    traindata=traindata,

    timelimit=120,

    presets='mediumquality'

    )

    Untuk prediksi, perlu menyediakan kovariat untuk periode masa depan

    knowncovariates = tsdf.slicebytimestep(-30, None)[['isweekend', 'isholiday', 'temperature']]

    predictions = predictor.predict(traindata, knowncovariates=knowncovariates)

    print("\nPrediksi Jumlah Pengunjung Mall 30 Hari ke Depan:")

    print(predictions.head(10))

    Penggunaan Lanjutan

    Custom Model Configuration

    Anda dapat mengontrol model mana yang digunakan AutoGluon dan bagaimana hyperparameter-nya dikonfigurasi.

    from autogluon.tabular import TabularPredictor
    
    

    Konfigurasi model kustom

    hyperparameters = {

    'GBM': [

    {'numboostround': 100, 'learningrate': 0.1},

    {'numboostround': 200, 'learningrate': 0.05},

    ],

    'CAT': {},

    'XGB': {},

    'RF': [

    {'nestimators': 100},

    {'nestimators': 300},

    ],

    'NNTORCH': {'numepochs': 50},

    }

    predictor = TabularPredictor(

    label='targetcolumn',

    path='models/customconfig'

    )

    predictor.fit(

    traindata=traindata,

    hyperparameters=hyperparameters,

    numbagfolds=5, # 5-fold bagging

    numstacklevels=1, # 1 level stacking

    timelimit=300

    )

    Feature Engineering Otomatis

    AutoGluon melakukan feature engineering secara otomatis, tetapi Anda juga dapat menambahkan transformasi kustom.

    from autogluon.tabular import TabularPredictor
    

    from autogluon.features.generators import AutoMLPipelineFeatureGenerator

    Custom feature generator

    featuregenerator = AutoMLPipelineFeatureGenerator(

    enablenumericfeatures=True,

    enablecategoricalfeatures=True,

    enabledatetimefeatures=True,

    enabletextspecialfeatures=True,

    enabletextngramfeatures=True,

    )

    predictor = TabularPredictor(label='target')

    predictor.fit(

    traindata=traindata,

    featuregenerator=featuregenerator,

    timelimit=120

    )

    Lihat fitur yang di-generate

    print("Fitur yang digunakan:")

    print(predictor.featuremetadatain.getfeatures())

    Menyimpan dan Memuat Model

    Model AutoGluon otomatis disimpan selama pelatihan. Anda dapat memuatnya kembali untuk inferensi di kemudian hari.

    from autogluon.tabular import TabularPredictor
    
    

    Model otomatis tersimpan di path yang ditentukan saat inisialisasi

    predictor = TabularPredictor(label='hargajuta', path='models/hargarumah')

    predictor.fit(traindata)

    Muat model di sesi/mesin lain

    loadedpredictor = TabularPredictor.load('models/hargarumah')

    Gunakan untuk prediksi

    predictions = loadedpredictor.predict(newdata)

    Clone model terbaik saja untuk deployment yang lebih ringan

    loadedpredictor.clonefordeployment('models/hargarumahdeploy')

    Distill Model untuk Deployment

    Untuk deployment di production, Anda mungkin ingin model yang lebih kecil dan cepat. AutoGluon menyediakan fitur distillation.

    from autogluon.tabular import TabularPredictor
    
    

    Latih model lengkap

    predictor = TabularPredictor(label='target', path='models/full')

    predictor.fit(traindata, presets='bestquality', timelimit=600)

    Distill ke model yang lebih sederhana

    distilledpredictor = predictor.distill(

    timelimit=120,

    augmentmethod='spunge', # Metode augmentasi data

    augmentargs={'sizefactor': 5} # 5x ukuran data asli

    )

    Bandingkan ukuran dan kecepatan

    print("Model asli:")

    print(predictor.leaderboard(silent=True)[['model', 'scoreval', 'predtimeval']])

    print("\nModel distilled:")

    print(distilledpredictor.leaderboard(silent=True)[['model', 'scoreval', 'predtimeval']])

    Integrasi dengan AWS SageMaker

    AutoGluon terintegrasi dengan baik dengan AWS SageMaker untuk deployment skala besar.

    # Contoh deployment ke SageMaker (memerlukan boto3 dan sagemaker SDK)
    

    import sagemaker

    from sagemaker import imageuris

    Dapatkan container image AutoGluon

    region = sagemaker.Session().botoregionname

    imageuri = imageuris.retrieve(

    framework='autogluon',

    region=region,

    version='0.8',

    pyversion='py39',

    imagescope='training'

    )

    Buat estimator SageMaker

    from sagemaker.estimator import Estimator

    estimator = Estimator(

    imageuri=imageuri,

    role='arn:aws:iam::ACCOUNTID:role/SageMakerRole',

    instancecount=1,

    instancetype='ml.m5.2xlarge',

    outputpath='s3://bucket/autogluon-output/',

    )

    Jalankan training job

    estimator.fit({'training': 's3://bucket/training-data/'})

    Best Practices

    1. Persiapan Data

    Data yang baik adalah fondasi model yang baik. Berikut beberapa praktik terbaik untuk persiapan data:

    import pandas as pd
    
    

    Periksa data sebelum melatih model

    df = pd.readcsv('data.csv')

    Cek missing values

    print("Missing values per kolom:")

    print(df.isnull().sum())

    Cek distribusi target

    print("\nDistribusi target:")

    print(df['target'].describe())

    Cek tipe data

    print("\nTipe data:")

    print(df.dtypes)

    Tips persiapan data:
    • AutoGluon dapat menangani missing values secara otomatis, tetapi lebih baik memahami pola missing data Anda terlebih dahulu.
    • Pastikan kolom target tidak memiliki missing values.
    • Untuk klasifikasi, pastikan distribusi kelas tidak terlalu timpang. Jika timpang, pertimbangkan untuk menggunakan metrik evaluasi yang tepat seperti f1weighted atau balancedaccuracy.
    • Hapus kolom yang jelas-jelas tidak relevan (misalnya ID, nama) untuk mengurangi noise.

    2. Pemilihan Metrik Evaluasi

    Pilih metrik evaluasi yang sesuai dengan tujuan bisnis Anda:

    | Tipe Masalah | Metrik | Kapan Digunakan |

    |--------------|--------|-----------------|

    | Klasifikasi Biner | f1 | Ketika false positive dan false negative sama pentingnya |

    | Klasifikasi Biner | rocauc | Ketika ingin mengevaluasi kemampuan pemisahan kelas secara keseluruhan |

    | Klasifikasi Biner | precision | Ketika false positive sangat mahal (misalnya deteksi spam) |

    | Klasifikasi Biner | recall | Ketika false negative sangat mahal (misalnya deteksi penyakit) |

    | Klasifikasi Multi-kelas | accuracy | Ketika kelas seimbang |

    | Klasifikasi Multi-kelas | f1weighted | Ketika kelas tidak seimbang |

    | Regresi | rootmeansquarederror | Ketika outlier penting |

    | Regresi | meanabsoluteerror | Ketika ingin metrik yang robust terhadap outlier |

    | Regresi | r2 | Ketika ingin mengukur proporsi variansi yang dijelaskan |

    | Time Series | MASE | Metrik umum yang scale-independent |

    | Time Series | MAPE | Ketika ingin error dalam persentase |

    3. Manajemen Waktu dan Sumber Daya

    from autogluon.tabular import TabularPredictor
    
    

    Strategi bertahap: mulai cepat, lalu tingkatkan

    Tahap 1: Eksplorasi cepat

    predictorfast = TabularPredictor(label='target')

    predictorfast.fit(traindata, timelimit=60, presets='mediumquality')

    baselinescore = predictorfast.evaluate(testdata)

    print(f"Baseline score: {baselinescore}")

    Tahap 2: Jika baseline sudah memadai, coba tingkatkan

    predictorbetter = TabularPredictor(label='target')

    predictorbetter.fit(traindata, timelimit=300, presets='bestquality')

    improvedscore = predictorbetter.evaluate(testdata)

    print(f"Improved score: {improvedscore}")

    4. Interpretabilitas Model

    Memahami mengapa model membuat prediksi tertentu sangat penting, terutama di lingkungan bisnis.

    from autogluon.tabular import TabularPredictor
    
    

    predictor = TabularPredictor.load('models/hargarumah')

    Feature importance berbasis permutation

    importance = predictor.featureimportance(testdata, numshufflesets=5)

    print("Feature Importance (top 10):")

    print(importance.head(10))

    Info model detail

    modelinfo = predictor.info()

    print(f"\nJumlah model yang dilatih: {len(modelinfo['modelinfo'])}")

    print(f"Model terbaik: {modelinfo['modelbest']}")

    5. Handling Imbalanced Data

    Untuk dataset yang tidak seimbang, AutoGluon menyediakan beberapa pendekatan:

    from autogluon.tabular import TabularPredictor
    
    

    Gunakan metrik yang tepat untuk data tidak seimbang

    predictor = TabularPredictor(

    label='fraud',

    evalmetric='f1', # Atau 'balancedaccuracy'

    path='models/frauddetection'

    )

    Tambahkan sample weight jika diperlukan

    traindata['weight'] = traindata['fraud'].map({0: 1, 1: 10})

    predictor.fit(

    traindata=traindata,

    timelimit=120,

    sampleweight='weight',

    presets='bestquality'

    )

    6. Monitoring dan Logging

    import logging
    

    from autogluon.tabular import TabularPredictor

    Aktifkan logging detail

    logging.basicConfig(level=logging.INFO)

    predictor = TabularPredictor(

    label='target',

    path='models/withlogging',

    verbosity=3 # 0=silent, 1=minimal, 2=standard, 3=detailed, 4=debug

    )

    predictor.fit(traindata, timelimit=120)

    Simpan ringkasan pelatihan

    fitsummary = predictor.fit_summary()

    Perbandingan AutoGluon dengan Library AutoML Lainnya

    Untuk memberikan perspektif yang lebih luas, berikut perbandingan AutoGluon dengan beberapa library AutoML populer lainnya:

    | Aspek | AutoGluon | Auto-sklearn | H2O AutoML | TPOT |

    |-------|-----------|--------------|------------|------|

    | Ensemble otomatis | Ya (multi-layer stacking) | Ya | Ya | Tidak |

    | Multi-modal | Ya (teks, gambar, tabular) | Tidak | Terbatas | Tidak |

    | Time series | Ya | Tidak | Tidak | Tidak |

    | Kemudahan penggunaan | Sangat mudah | Mudah | Mudah | Sedang |

    | Kecepatan | Cepat | Sedang | Cepat | Lambat |

    | GPU support | Ya | Terbatas | Ya | Tidak |

    AutoGluon unggul dalam kemudahan penggunaan dan fleksibilitas, terutama untuk kasus multi-modal dan time series. Namun, setiap library memiliki kelebihan masing-masing, dan pilihan terbaik bergantung pada kebutuhan spesifik proyek Anda.

    Kesimpulan

    AutoGluon adalah library AutoML yang sangat powerful dan mudah digunakan. Dalam tutorial ini, kita telah mempelajari:

  • TabularPredictor: Solusi lengkap untuk data tabular yang secara otomatis melakukan feature engineering, model selection, hyperparameter tuning, dan ensembling. Cocok untuk berbagai kasus seperti prediksi harga, klasifikasi pelanggan, dan deteksi fraud.
  • MultiModalPredictor: Kemampuan untuk menangani data multi-modal (teks, gambar, tabular) dalam satu framework. Sangat berguna untuk kasus seperti analisis sentimen, klasifikasi dokumen, dan prediksi berbasis teks + numerik.
  • TimeSeriesPredictor: Peramalan time series dengan dukungan berbagai algoritma modern dan kemampuan menambahkan kovariat eksternal. Cocok untuk peramalan penjualan, jumlah pengunjung, dan metrik bisnis lainnya.
  • Langkah selanjutnya yang disarankan setelah menguasai dasar-dasar AutoGluon:
    • Eksplorasi dokumentasi resmi di auto.gluon.ai untuk fitur-fitur lanjutan.
    • Coba kompetisi Kaggle menggunakan AutoGluon untuk mengasah kemampuan Anda.
    • Pelajari integrasi AutoGluon dengan AWS SageMaker untuk deployment model di production.
    • Eksperimen dengan kombinasi hyperparameter dan preset yang berbeda untuk menemukan konfigurasi terbaik bagi dataset Anda.
    • Implementasikan pipeline MLOps lengkap dengan AutoGluon sebagai komponen model training.

    AutoGluon terus berkembang dengan fitur-fitur baru dan peningkatan performa. Dengan fondasi yang kuat dari AWS dan komunitas open-source yang aktif, AutoGluon merupakan pilihan yang solid untuk proyek machine learning apa pun, baik untuk prototyping cepat maupun deployment di production.

    Artikel ini ditulis oleh Ruby Abdullah untuk rubythalib.ai. Untuk pertanyaan dan diskusi, silakan hubungi ruby@rubythalib.ai.

    Artikel Terkait

    Tutorial PyCaret: Machine Learning Low-Code untuk Prototyping Cepat

    Tutorial PyCaret: Machine Learning Low-Code untuk Prototyping Cepat PyCaret adalah library open-source Python yang menye...

    Tutorial Optuna: Optimasi Hyperparameter Otomatis

    Tutorial Lengkap Optuna: Optimasi Hyperparameter Otomatis Daftar Isi Pendahuluan Prasyarat Instalasi dan Setup [Konsep D...

    Tutorial Lengkap AWS SageMaker: Machine Learning di Cloud

    Tutorial Lengkap AWS SageMaker: End-to-End ML Pipeline Amazon SageMaker adalah layanan machine learning terkelola penuh ...

    Tutorial Lengkap Terraform untuk ML: Infrastructure as Code untuk Machine Learning

    Tutorial Lengkap Terraform untuk ML: Infrastructure as Code untuk Machine Learning Terraform adalah tool Infrastructure ...