Update app.py

app.py

@@ -1,6 +1,3 @@
-# ==============================================================================
-# BAGIAN 1: IMPORT LIBRARY & KONFIGURASI AWAL
-# ==============================================================================
 import streamlit as st
 import cv2
 import numpy as np
@@ -10,240 +7,315 @@ import pandas as pd
 from PIL import Image
 import time
 import requests
+import json
 from paddleocr import PaddleOCR, draw_ocr
 
+# --- KONFIGURASI APLIKASI ---
+
 # Konfigurasi halaman Streamlit
 st.set_page_config(
     page_title="Nutri-Grade Label Detection",
     page_icon="🥗",
     layout="wide",
-    initial_sidebar_state="auto"
+    initial_sidebar_state="collapsed"
 )
 
-# --- Memuat API Key dengan aman menggunakan st.secrets ---
+# [SANGAT PENTING] Ambil API Key dari Streamlit Secrets untuk keamanan
+# JANGAN PERNAH MENULIS API KEY LANGSUNG DI KODE!
 try:
     OPENROUTER_API_KEY = st.secrets["OPENROUTER_API_KEY"]
-except KeyError:
-    st.error("API Key (OPENROUTER_API_KEY) tidak ditemukan. Harap buat file .streamlit/secrets.toml.")
+except (FileNotFoundError, KeyError):
+    st.error("🚨 Harap tambahkan OPENROUTER_API_KEY Anda ke Streamlit Secrets.")
+    st.info("Buat file bernama .streamlit/secrets.toml dan tambahkan baris: OPENROUTER_API_KEY = 'sk-or-v1-...'")
     st.stop()
-
+    
 OPENROUTER_BASE_URL = "https://openrouter.ai/api/v1"
 
-# ==============================================================================
-# BAGIAN 2: FUNGSI-FUNGSI BANTUAN (HELPER FUNCTIONS)
-# ==============================================================================
+# --- FUNGSI-FUNGSI UTAMA ---
 
 @st.cache_resource
 def initialize_ocr():
-    """Memuat model PaddleOCR ke dalam cache agar tidak dimuat berulang kali."""
-    st.info("Pertama kali dijalankan: Memuat model OCR. Mohon tunggu sebentar...")
-    # Langsung gunakan CPU mode (use_gpu=False) untuk stabilitas maksimum di server gratis.
+    """Inisialisasi model PaddleOCR dan menyimpannya di cache."""
     try:
-        ocr = PaddleOCR(use_gpu=False, lang='en', show_log=False)
+        # Menggunakan CPU (use_gpu=False) untuk kompatibilitas hosting gratisan yang lebih baik
+        ocr = PaddleOCR(use_gpu=False, lang='en', use_angle_cls=True, show_log=False)
         return ocr
     except Exception as e:
-        st.error(f"Gagal total memuat model OCR: {e}")
+        st.error(f"Gagal total inisialisasi OCR: {e}")
         return None
 
 def parse_numeric_value(text: str) -> float:
-    """Membersihkan string dan mengubahnya menjadi angka float yang valid."""
+    """Membersihkan dan mengubah string menjadi nilai float."""
     if not text:
         return 0.0
-    # Mengambil hanya digit dan titik desimal
-    cleaned = re.sub(r"[^\d\.]", "", str(text))
-    if not cleaned or cleaned == ".":
+    # Hanya menyisakan digit, titik, dan tanda minus
+    cleaned = re.sub(r"[^\d\.\-]", "", str(text))
+    if not cleaned or cleaned in [".", "-"]:
         return 0.0
     try:
         return float(cleaned)
     except (ValueError, TypeError):
         return 0.0
 
-def extract_nutrition_data(ocr_list: list) -> dict:
-    """Mengekstrak data Gula, Lemak Jenuh, dan Takaran Saji dari hasil OCR."""
-    target_keys = {
-        "Takaran saji": ["takaran saji", "serving size", "per serving", "sajian"],
-        "Gula": ["gula", "sugar", "sugars", "total sugar"],
-        "Lemak jenuh": ["lemak jenuh", "saturated fat", "saturated", "sat fat"]
-    }
-    extracted = {}
-
-    # Mencari nilai berdasarkan kata kunci yang paling relevan
-    for item in ocr_list:
-        txt_lower = item["text"].lower()
-        for canonical, variants in target_keys.items():
-            if canonical not in extracted:
-                for variant in variants:
-                    if variant in txt_lower:
-                        # Mencari angka dalam baris teks yang sama
-                        found_numbers = re.findall(r'(\d+\.?\d*)', txt_lower)
-                        if found_numbers:
-                            extracted[canonical] = found_numbers[0]
-                            break # Lanjut ke kata kunci berikutnya
-                if canonical in extracted:
-                    break # Lanjut ke baris teks berikutnya
-    return extracted
-
-def calculate_grades(sugar_norm: float, fat_norm: float) -> tuple[str, str, str]:
-    """Menghitung grade A, B, C, atau D berdasarkan nilai ternormalisasi."""
-    thresholds_sugar = {"A": 1.0, "B": 5.0, "C": 10.0}
-    thresholds_fat = {"A": 0.7, "B": 1.2, "C": 2.8}
-
-    def get_grade(value, thresholds):
-        if value <= thresholds["A"]: return "Grade A"
-        if value <= thresholds["B"]: return "Grade B"
-        if value <= thresholds["C"]: return "Grade C"
-        return "Grade D"
-
-    sugar_grade = get_grade(sugar_norm, thresholds_sugar)
-    fat_grade = get_grade(fat_norm, thresholds_fat)
-
-    grade_scores = {"Grade A": 1, "Grade B": 2, "Grade C": 3, "Grade D": 4}
-    worst_score = max(grade_scores[sugar_grade], grade_scores[fat_grade])
-    final_grade = next(grade for grade, score in grade_scores.items() if score == worst_score)
-
-    return sugar_grade, fat_grade, final_grade
-
 def get_nutrition_advice(serving_size, sugar_norm, fat_norm, sugar_grade, fat_grade, final_grade):
-    """Mengirim request ke OpenRouter API untuk mendapatkan saran nutrisi dari AI."""
-    nutrition_prompt = f"""
-    Anda adalah ahli gizi dari Indonesia yang ramah dan suportif.
-    Data nutrisi produk:
-    - Kandungan Gula (per 100g): {sugar_norm:.1f}g (Grade: {sugar_grade})
-    - Kandungan Lemak Jenuh (per 100g): {fat_norm:.1f}g (Grade: {fat_grade})
-    - Grade Akhir Produk: {final_grade}
-
-    Tugas: Berikan saran nutrisi yang singkat, positif, dan actionable dalam 1-2 kalimat.
-    Fokus pada bagaimana cara menikmati produk ini secara bijak dalam pola makan seimbang.
-    Gunakan bahasa yang mudah dimengerti.
+    """Mendapatkan saran nutrisi dari model AI melalui OpenRouter."""
+    prompt = f"""
+    Anda adalah ahli gizi dari Indonesia yang ramah dan komunikatif.
+    Data nutrisi produk ini adalah:
+    - Takaran Saji: {serving_size} g/ml
+    - Gula (per 100 g/ml): {sugar_norm:.2f} g (Grade {sugar_grade.replace('Grade ', '')})
+    - Lemak Jenuh (per 100 g/ml): {fat_norm:.2f} g (Grade {fat_grade.replace('Grade ', '')})
+    - Grade Akhir Produk: {final_grade.replace('Grade ', '')}
+
+    Berdasarkan data ini, berikan saran nutrisi singkat (sekitar 50-80 kata) dalam Bahasa Indonesia.
+    Fokus pada dampak kesehatan dari kandungan gula dan lemak jenuhnya, serta berikan tips praktis terkait konsumsi produk ini.
+    Gunakan bahasa yang mudah dimengerti dan bersahabat.
     """
-    headers = {"Authorization": f"Bearer {OPENROUTER_API_KEY}"}
+    headers = {
+        "Authorization": f"Bearer {OPENROUTER_API_KEY}",
+        "Content-Type": "application/json"
+    }
     payload = {
-        "model": "qwen/qwen2.5-vl-72b-instruct:free",
-        "messages": [{"role": "user", "content": nutrition_prompt}],
-        "max_tokens": 150, "temperature": 0.7
+        # Menggunakan model yang lebih umum dan gratis
+        "model": "mistralai/mistral-7b-instruct:free",
+        "messages": [{"role": "user", "content": prompt}],
+        "max_tokens": 250,
+        "temperature": 0.7
     }
     try:
         response = requests.post(f"{OPENROUTER_BASE_URL}/chat/completions", headers=headers, json=payload, timeout=30)
-        response.raise_for_status() # Ini akan memicu error jika status code bukan 2xx
-        return response.json()["choices"][0]["message"]["content"]
+        response.raise_for_status() # Akan error jika status code bukan 2xx
+        data = response.json()
+        return data["choices"][0]["message"]["content"].strip()
+    except requests.exceptions.HTTPError as e:
+        return f"Error: Gagal menghubungi server AI ({e.response.status_code}). Model mungkin sedang sibuk atau API key tidak valid."
     except requests.exceptions.RequestException as e:
-        return f"Error API: Gagal terhubung ke server. {e}"
+        return f"Error: Gagal terhubung ke API. Periksa koneksi internet Anda. ({e})"
     except Exception as e:
-        return f"Error: Terjadi kesalahan saat memproses respons AI. {e}"
-
-# ==============================================================================
-# BAGIAN 3: TAMPILAN UTAMA APLIKASI (USER INTERFACE)
-# ==============================================================================
+        return f"Error: Terjadi kesalahan tak terduga. ({e})"
+
+def get_grade_from_value(value, thresholds):
+    """Menentukan grade (A, B, C, D) berdasarkan nilai dan ambang batas."""
+    if value <= thresholds["A"]: return "Grade A"
+    if value <= thresholds["B"]: return "Grade B"
+    if value <= thresholds["C"]: return "Grade C"
+    return "Grade D"
+
+def get_grade_color(grade_text):
+    """Mengembalikan kode warna berdasarkan grade."""
+    colors = {
+        "Grade A": ("#2ecc71", "white"), # Hijau
+        "Grade B": ("#f1c40f", "black"), # Kuning
+        "Grade C": ("#e67e22", "white"), # Oranye
+        "Grade D": ("#e74c3c", "white")  # Merah
+    }
+    return colors.get(grade_text, ("#bdc3c7", "black")) # Default Abu-abu
+
+def reset_analysis_state():
+    """Mereset state analisis jika gambar baru di-upload."""
+    keys_to_reset = ['ocr_ran', 'extracted_data', 'analysis_done']
+    for key in keys_to_reset:
+        if key in st.session_state:
+            del st.session_state[key]
+            
+# --- UI APLIKASI ---
+
+# Inisialisasi model OCR saat aplikasi pertama kali dimuat
+ocr_model = initialize_ocr()
+if ocr_model is None:
+    st.error("Aplikasi tidak dapat berjalan tanpa model OCR. Harap segarkan halaman.")
+    st.stop()
 
-# --- Judul dan Deskripsi ---
-st.title("🥗 Kalkulator Nutri-Grade")
-st.caption("Unggah foto label gizi untuk menganalisis kandungan gula & lemak jenuhnya.")
+# Judul dan Deskripsi
+st.title("🥗 Nutri-Grade Label Detection & Grade Calculator")
+st.caption("Aplikasi ini membantu Anda memahami kandungan gizi produk dengan standar Nutri-Grade Singapura.")
 
-# --- Petunjuk & Informasi ---
-with st.expander("📋 Lihat Petunjuk Penggunaan"):
+with st.expander("📋 Petunjuk Penggunaan & Info"):
     st.markdown("""
-    1.  **Unggah Gambar**: Pilih atau ambil foto label gizi produk.
-    2.  **Analisis Otomatis**: Sistem akan langsung mendeteksi teks dan angka.
-    3.  **Koreksi Data**: Periksa angka yang diekstrak. Perbaiki jika ada yang salah di formulir.
-    4.  **Hitung & Lihat Hasil**: Klik tombol "Hitung Grade" untuk melihat hasilnya.
+    **Cara Penggunaan:**
+    1. **Upload Gambar:** Unggah foto tabel gizi produk yang jelas.
+    2. **Mulai Analisis:** Klik tombol "Mulai Analisis OCR" untuk mengekstrak data.
+    3. **Koreksi Data:** Periksa dan perbaiki hasil ekstraksi jika ada yang salah.
+    4. **Hitung Grade:** Klik "Hitung Grade" untuk melihat hasil analisis dan saran nutrisi.
+
+    **⚠️ Tolong Diperhatikan:**
+    - Aplikasi ini adalah prototipe, hasil mungkin tidak 100% akurat.
+    - Kualitas gambar sangat mempengaruhi hasil OCR.
+    - Referensi: [Health Promotion Board Singapura](https://www.hpb.gov.sg/docs/default-source/pdf/nutri-grade-ci-guide_eng-only67e4e36349ad4274bfdb22236872336d.pdf)
     """)
 
-# --- Inisialisasi Model OCR ---
-ocr_model = initialize_ocr()
-if ocr_model is None:
-    st.error("Model OCR tidak dapat dimuat. Aplikasi tidak bisa melanjutkan.")
-    st.stop()
-
-# --- STEP 1: Upload Gambar ---
-st.header("1. Unggah Gambar Label Gizi")
+# --- LANGKAH 1: UPLOAD GAMBAR ---
+st.header("1. 📸 Upload Gambar Tabel Gizi")
 uploaded_file = st.file_uploader(
-    "Pilih gambar (JPG/PNG/JPEG)",
-    type=["jpg", "jpeg", "png"]
+    "Pilih file gambar (JPG, PNG, JPEG)",
+    type=["jpg", "jpeg", "png"],
+    help="Upload gambar tabel gizi untuk dianalisis.",
+    on_change=reset_analysis_state # Reset state jika file berubah
 )
 
-# Alur akan berjalan jika ada file yang diunggah
 if uploaded_file is not None:
-    # Baca dan tampilkan gambar
     file_bytes = np.asarray(bytearray(uploaded_file.read()), dtype=np.uint8)
     img = cv2.imdecode(file_bytes, cv2.IMREAD_COLOR)
-    st.image(cv2.cvtColor(img, cv2.COLOR_BGR2RGB), caption="Gambar yang diunggah", use_column_width=True)
-
-    # --- STEP 2: Analisis OCR Otomatis ---
-    with st.spinner("Menganalisis teks pada gambar..."):
-        temp_img_path = "temp_uploaded_image.jpg"
-        cv2.imwrite(temp_img_path, img)
-        ocr_result = ocr_model.ocr(temp_img_path, cls=True)
-
-    if not ocr_result or not ocr_result[0]:
-        st.error("Tidak ada teks yang dapat dideteksi. Coba gunakan gambar yang lebih jelas.")
+    
+    if img is None:
+        st.error("Gagal memproses file gambar. Silakan coba file lain.")
         st.stop()
 
-    # Proses dan ekstrak data dari hasil OCR
-    ocr_list = [{"text": line[1][0], "box": line[0]} for line in ocr_result[0]]
-    extracted_data = extract_nutrition_data(ocr_list)
-
-    st.success("Analisis OCR selesai! Data berikut berhasil diekstrak:")
-    st.json(extracted_data) # Tampilkan data yang diekstrak dalam format JSON yang rapi
-
-    # --- STEP 3: Formulir Koreksi dan Perhitungan ---
-    st.header("2. Verifikasi Data & Hitung Grade")
+    # Tampilkan gambar yang di-upload
+    st.image(cv2.cvtColor(img, cv2.COLOR_BGR2RGB), caption="Gambar yang diupload", width=300)
+
+    # --- LANGKAH 2: PROSES OCR ---
+    if st.button("Mulai Analisis OCR", type="primary"):
+        with st.spinner("🔍 Menganalisis teks pada gambar..."):
+            try:
+                ocr_result = ocr_model.ocr(img, cls=True)
+                if not ocr_result or not ocr_result[0]:
+                    st.error("OCR tidak dapat menemukan teks pada gambar. Coba gambar yang lebih jelas.")
+                    st.stop()
+
+                # Ekstrak teks dan lokasinya
+                ocr_data = ocr_result[0]
+                extracted_texts = [line[1][0] for line in ocr_data]
+                
+                # Cari kata kunci nutrisi
+                target_keys = {
+                    "gula": "gula|sugar|sugars",
+                    "takaran saji": r"takaran saji|serving size|per serving",
+                    "lemak jenuh": r"lemak jenuh|saturated fat|sat fat"
+                }
+
+                extracted_values = {}
+                # Gabungkan semua teks untuk pencarian yang lebih mudah
+                full_text = " ".join(extracted_texts).lower()
+
+                for key, pattern in target_keys.items():
+                    # Cari nilai setelah kata kunci (misal: "Gula 15g")
+                    match = re.search(f"({pattern})[^\d\n]*([\d\.]+)", full_text, re.IGNORECASE)
+                    if match:
+                        extracted_values[key.replace(" ", "_").capitalize()] = match.group(2)
+                
+                st.session_state.extracted_data = extracted_values
+                st.session_state.ocr_ran = True
+                st.success("Analisis OCR selesai!")
+                time.sleep(1) # Beri jeda agar user melihat pesan sukses
+                st.rerun() # Muat ulang state untuk menampilkan form koreksi
+
+# --- LANGKAH 3: KOREKSI MANUAL & PERHITUNGAN ---
+if st.session_state.get('ocr_ran', False):
+    st.header("2. ✏️ Koreksi Data & Hitung Grade")
+    
+    extracted = st.session_state.get('extracted_data', {})
+    
     with st.form("correction_form"):
-        st.caption("Periksa kembali angka di bawah ini. Koreksi jika perlu, lalu klik hitung.")
+        st.write("Periksa dan koreksi hasil OCR jika diperlukan. Masukkan **hanya angka**.")
+        
         col1, col2, col3 = st.columns(3)
-
-        takaran_saji = col1.text_input("Takaran Saji (g/ml)", value=extracted_data.get("Takaran saji", "100"))
-        gula = col2.text_input("Gula (g)", value=extracted_data.get("Gula", "0"))
-        lemak_jenuh = col3.text_input("Lemak Jenuh (g)", value=extracted_data.get("Lemak jenuh", "0"))
-
+        
+        with col1:
+            takaran_saji = st.text_input(
+                "Takaran Saji (g/ml)",
+                value=str(extracted.get("Takaran_saji", "100")),
+                help="Ukuran satu porsi sajian dalam gram atau ml."
+            )
+        with col2:
+            gula = st.text_input(
+                "Gula per Porsi (g)",
+                value=str(extracted.get("Gula", "0")),
+                help="Total gula dalam satu takaran saji."
+            )
+        with col3:
+            lemak_jenuh = st.text_input(
+                "Lemak Jenuh per Porsi (g)",
+                value=str(extracted.get("Lemak_jenuh", "0")),
+                help="Total lemak jenuh dalam satu takaran saji."
+            )
+            
         submit_button = st.form_submit_button("🧮 Hitung Grade", type="primary", use_container_width=True)
 
-    if submit_button:
-        # Konversi input ke angka
-        serving_size_val = parse_numeric_value(takaran_saji)
-        sugar_val = parse_numeric_value(gula)
-        fat_val = parse_numeric_value(lemak_jenuh)
+        if submit_button:
+            serving_size = parse_numeric_value(takaran_saji)
+            sugar_value = parse_numeric_value(gula)
+            fat_value = parse_numeric_value(lemak_jenuh)
+
+            if serving_size <= 0:
+                st.error("Takaran Saji harus lebih besar dari 0!")
+            else:
+                # Normalisasi ke per 100g/ml
+                sugar_norm = (sugar_value / serving_size) * 100
+                fat_norm = (fat_value / serving_size) * 100
+                
+                # Simpan hasil ke session state untuk ditampilkan
+                st.session_state.analysis_results = {
+                    "serving_size": serving_size,
+                    "sugar_norm": sugar_norm,
+                    "fat_norm": fat_norm
+                }
+                st.session_state.analysis_done = True
+
+# --- LANGKAH 4: TAMPILKAN HASIL ---
+if st.session_state.get('analysis_done', False):
+    results = st.session_state.analysis_results
+    sugar_norm = results['sugar_norm']
+    fat_norm = results['fat_norm']
+    serving_size = results['serving_size']
+
+    st.header("3. 📈 Hasil Analisis")
+
+    # Hitung Grade
+    thresholds_sugar = {"A": 1.0, "B": 5.0, "C": 10.0}
+    thresholds_fat = {"A": 0.7, "B": 1.2, "C": 2.8}
+    sugar_grade = get_grade_from_value(sugar_norm, thresholds_sugar)
+    fat_grade = get_grade_from_value(fat_norm, thresholds_fat)
 
-        if serving_size_val <= 0:
-            st.error("Nilai 'Takaran Saji' harus lebih dari nol.")
+    # Tentukan grade akhir (yang terburuk)
+    grade_scores = {"Grade A": 1, "Grade B": 2, "Grade C": 3, "Grade D": 4}
+    final_grade = max(sugar_grade, fat_grade, key=lambda g: grade_scores[g])
+    
+    # Tampilkan Grade
+    st.subheader("🏆 Hasil Grading Produk")
+    col1, col2, col3 = st.columns(3)
+    
+    def display_grade_card(container, title, value, unit, grade):
+        bg_color, text_color = get_grade_color(grade)
+        container.markdown(f"""
+        <div style="background-color: {bg_color}; padding: 15px; border-radius: 10px; text-align: center; color: {text_color}; font-weight: bold; margin: 5px;">
+            <h4 style="margin: 0; color: {text_color};">{title}</h4>
+            <p style="margin: 5px 0; color: {text_color};">{value:.2f} {unit}</p>
+            <h3 style="margin: 0; color: {text_color};">{grade}</h3>
+        </div>
+        """, unsafe_allow_html=True)
+
+    display_grade_card(col1, "Gula", sugar_norm, "g / 100ml", sugar_grade)
+    # BUG FIX: Menggunakan fat_grade, bukan sugar_grade
+    display_grade_card(col2, "Lemak Jenuh", fat_norm, "g / 100ml", fat_grade)
+
+    with col3:
+        bg_color, text_color = get_grade_color(final_grade)
+        st.markdown(f"""
+        <div style="background-color: {bg_color}; padding: 15px; border-radius: 10px; text-align: center; color: {text_color}; font-weight: bold; margin: 5px; border: 3px solid #333;">
+            <h4 style="margin: 0; color: {text_color};">Grade Akhir</h4>
+            <h2 style="margin: 10px 0; color: {text_color};">{final_grade}</h2>
+        </div>
+        """, unsafe_allow_html=True)
+    
+    st.divider()
+
+    # Tampilkan Saran Nutrisi dari AI
+    st.subheader("🤖 Saran Nutrisi dari AI")
+    with st.spinner("Meminta saran dari ahli gizi AI..."):
+        advice = get_nutrition_advice(serving_size, sugar_norm, fat_norm, sugar_grade, fat_grade, final_grade)
+        
+        if advice.startswith("Error"):
+            st.error(advice)
         else:
-            # Normalisasi nilai nutrisi ke per 100g/ml
-            sugar_norm = (sugar_val / serving_size_val) * 100
-            fat_norm = (fat_val / serving_size_val) * 100
-
-            # Hitung grade
-            sugar_grade, fat_grade, final_grade = calculate_grades(sugar_norm, fat_norm)
-
-            # --- STEP 4: Tampilkan Hasil ---
-            st.header("🏆 Hasil Analisis Anda")
-            col1, col2 = st.columns([1, 2]) # Buat kolom dengan rasio lebar 1:2
-
-            with col1: # Kolom Kiri untuk Grade Akhir
-                color_map = {"A": "#2ecc71", "B": "#f1c40f", "C": "#e67e22", "D": "#e74c3c"}
-                grade_letter = final_grade.split(" ")[-1]
-                bg_color = color_map.get(grade_letter, "#7f8c8d")
-                st.markdown(f"""
-                <div style="background-color: {bg_color}; padding: 20px; border-radius: 10px; text-align: center; color: white;">
-                    <p style="font-size: 1.2em; margin:0;">Grade Akhir</p>
-                    <h1 style="font-size: 4em; margin:0; color: white;">{grade_letter}</h1>
-                </div>
-                """, unsafe_allow_html=True)
-
-            with col2: # Kolom Kanan untuk detail
-                st.metric(label=f"Kandungan Gula (per 100g)", value=f"{sugar_norm:.1f} g", delta=sugar_grade)
-                st.metric(label=f"Kandungan Lemak Jenuh (per 100g)", value=f"{fat_norm:.1f} g", delta=fat_grade)
-
-            # --- STEP 5: Tampilkan Saran AI ---
-            with st.spinner("Meminta saran dari Ahli Gizi AI..."):
-                advice = get_nutrition_advice(serving_size_val, sugar_norm, fat_norm, sugar_grade, fat_grade, final_grade)
-                if "Error" in advice:
-                    st.warning(advice)
-                else:
-                    st.success(f"💡 **Saran Ahli Gizi AI**: {advice}")
-
-    # Hapus file gambar sementara setelah selesai
-    if os.path.exists(temp_img_path):
-        os.remove(temp_img_path)
-
-# --- Footer dan Informasi Tambahan ---
+            st.success("Saran berhasil didapatkan!")
+            st.info(advice)
+
+# --- FOOTER ---
 st.markdown("---")
-st.markdown("Dibuat oleh Tim Nutri-Grade dengan Streamlit.")
+st.markdown("""
+<div style="text-align: center; padding: 10px;">
+    <p><strong>Nutri-Grade Detection App v2.1</strong> | Dikembangkan oleh Tim Nutri-Grade © 2024</p>
+    <small>Powered by PaddleOCR, OpenRouter API, and Streamlit</small>
+</div>
+""", unsafe_allow_html=True)