Lewati ke konten

Registry Model

Pengguna
Terakhir diperbarui 5 Juli 2026

Apa & untuk apa

Registry Model adalah lapisan MLOps di atas aset Model — tempat melacak versi, tag, dan stage model dari waktu ke waktu, serta memantau drift data setelah model dipakai berkelanjutan. Kalau katalog Model adalah "etalase" karya ML Anda, Registry Model adalah "ruang kontrol" siklus hidupnya.

Analogi sederhana: Model seperti buku yang diterbitkan; Registry seperti catatan edisi — edisi mana yang sedang beredar (production), mana yang sedang diuji (staging), dan apakah isi buku masih relevan dengan pembacanya (drift).

Fitur ini ditujukan untuk pengguna tingkat lanjut: relevan ketika model Anda dipakai terus-menerus dan kualitasnya perlu dilacak, bukan untuk model latihan sekali pakai.

Setelah login, panel Registry Saya menampilkan registry milik Anda beserta status drift terbaru.

Cara kerja

Satu registry menghubungkan repo Model PSD (atau submission kompetisi) ke sistem pelacakan versi. Alur lengkapnya:

  1. Latih & eksperimen — di Notebook, Studio Python, atau lewat kompetisi.
  2. Daftarkan versi — tiap hasil latihan yang layak direkam menjadi versi baru di registry,

lengkap dengan metrik (mis. akurasi, RMSE) dan artefak bobot.

  1. Kelola stage — tandai versi sebagai Staging (sedang diuji) atau Production (dipakai

resmi). Promosi stage membuat jelas versi mana yang aktif.

  1. Pantau drift — sistem membandingkan distribusi data terkini dengan data acuan (data latih)

per fitur, lalu mengklasifikasikan hasilnya: stabil, sedang, atau signifikan.

  1. Dashboard monitoring — hasil pemantauan ditulis ke tabel gold dan divisualkan lewat

Ruang Analitik (drift per fitur, akurasi, distribusi prediksi) — satu dashboard untuk semua.

Drift signifikan yang muncul berulang adalah sinyal model perlu dilatih ulang dengan data terbaru — registry membantu Anda melihat sinyal itu sebelum kualitas prediksi merosot diam-diam.

Kapan dipakai

Cocok untuk:

  • Model yang dipakai berkelanjutan (prediksi rutin, bukan eksperimen sekali jalan).
  • Melacak banyak iterasi model dan membandingkan metrik antar-versi.
  • Merekam submission kompetisi sebagai versi model resmi.
  • Memantau apakah data produksi mulai berbeda dari data latih (drift).
  • Tim yang butuh kejelasan versi mana yang staging vs production.

Kurang tepat bila:

  • Model masih tahap belajar/eksperimen — cukup simpan di aset Model biasa.
  • Anda hanya ingin membagikan bobot ke komunitas — itu tugas katalog Model.
  • Anda baru mulai di PSD — kuasai dulu alur Dataset → Notebook → Model sebelum masuk MLOps.

Langkah demi langkah

Membuat registry

  1. Buka menu Aset → Registry Model.
  2. Tekan Buat Registry, isi judul dan deskripsi singkat.
  3. Tautkan sumber: pilih repo Model milik Anda (atau kaitkan dengan kompetisi).
  4. Registry siap — halaman detailnya menampilkan daftar versi (masih kosong).
Registry juga bisa dibuat sebagai aset tim lewat Tim Kolaborasi, sehingga seluruh anggota ikut mengelola siklus hidup model.

Mendaftarkan versi baru

  1. Selesaikan latihan model (di Notebook atau dari submission kompetisi).
  2. Di halaman registry, tekan Daftarkan Versi.
  3. Pilih sumber (repo model atau submission) dan lampirkan metrik (mis. accuracy: 0.91).
  4. Versi baru muncul di daftar dengan nomor urut, metrik, dan artefaknya.

Mengelola stage

  1. Buka daftar versi di halaman registry.
  2. Promosikan versi terpilih ke Staging untuk diuji, lalu ke Production bila lolos.
  3. Versi production adalah acuan resmi — versi lama tetap tersimpan sebagai riwayat.

Menjalankan pemantauan drift

  1. Di halaman registry, buka bagian Drift, lalu tekan Jalankan Pemeriksaan Drift.
  2. Pilih sumber data terkini yang ingin dibandingkan dengan data acuan.
  3. Tunggu laporan selesai (dijalankan di latar belakang), lalu baca hasilnya:
  • Stabil — distribusi data masih mirip data latih, aman.
  • Sedang — mulai bergeser, pantau lebih sering.
  • Signifikan — pergeseran besar; pertimbangkan latih ulang.
  1. Laporan drift menampilkan skor per fitur, sehingga terlihat fitur mana yang paling bergeser.

Membuat dashboard monitoring

  1. Tekan Buat Dashboard Monitoring di halaman registry.
  2. Dashboard dibuat di Ruang Analitik, membaca tabel gold monitoring.
  3. Pantau tren drift, akurasi, dan distribusi prediksi lintas waktu dari satu tempat.
Drift signifikan yang muncul beberapa kali berturut-turut adalah sinyal kuat untuk latih ulang model dengan data terbaru — jangan tunggu akurasi produksi jatuh dulu.

Batas tier

Kapasitas registry mengikuti tier reputasi Anda. Angka berikut ilustratif — angka dapat berubah.

TierMaks. registryVersi per registryPemeriksaan drift/hariInferensi/jam *(serving)*
Pemula151100
Kontributor3153250
Ahli105010500
Master25150301.200
Grandmaster1005001002.000
Angka dapat berubah. Kolom inferensi berlaku bila model Anda dilayani lewat endpoint serving terkelola (fitur lanjut yang menyusul); kuotanya mengikuti tier gamifikasi.

Poin & quest

AktivitasPoin (ilustratif)
Membuat registry pertama+10
Mendaftarkan versi model+5
Menjalankan pemeriksaan drift pertama+8
Mempromosikan versi ke production+10

Quest bertema Registry Model:

  1. Ruang Kontrol — buat registry pertama dan tautkan ke repo Model Anda.
  2. Versi Resmi — daftarkan versi dengan metrik lengkap.
  3. Naik Panggung — promosikan satu versi ke stage Production.
  4. Mata Elang — jalankan pemeriksaan drift dan baca laporannya.
  5. Panel Pantau — buat dashboard monitoring di Ruang Analitik.
Angka poin ilustratif — lihat halaman Gamifikasi di profil untuk progres tier Anda.

Masalah umum & solusi

Pesan / gejalaSolusi
**Registry gagal dibuat / nama sudah ada**Nama registry harus unik. Ganti judul atau periksa daftar registry Anda — mungkin sudah pernah dibuat.
**Versi tidak muncul setelah didaftarkan**Pastikan sumber (repo/submission) valid dan proses pendaftaran selesai; muat ulang halaman detail.
**Pemeriksaan drift lama / status "running"**Perhitungan drift berjalan di latar belakang — laporan besar butuh waktu. Cek kembali beberapa saat lagi.
**Laporan drift error**Pastikan sumber data terkini punya **fitur yang sama** dengan data acuan (nama & tipe kolom).
**Drift selalu "signifikan"**Cek apakah data pembanding memang periode/populasi yang tepat; data berbeda konteks wajar terlihat bergeser jauh.
**Dashboard monitoring kosong**Jalankan minimal satu pemeriksaan drift dulu — dashboard membaca hasil laporan yang sudah ada.
**Bingung Model vs Registry****Model** = etalase karya (README, bobot, versi rilis). **Registry** = pelacakan siklus hidup + monitoring. Mulai dari Model; buat Registry saat model dipakai berkelanjutan.

Fitur terkait

  • Model — aset ML sumber registry; terbitkan model dulu sebelum mendaftarkannya.
  • Ruang Analitik — dashboard monitoring drift & akurasi dibangun di sini.
  • Kompetisi — submission kompetisi bisa direkam sebagai versi model resmi.
  • Notebook — tempat melatih model sebelum versi didaftarkan.
  • Tim Kolaborasi — registry bisa jadi aset tim, dikelola bersama anggota.