app1.py

import streamlit as st
import pandas as pd
import numpy as np
import pickle

st.set_page_config(page_title="OMP Predictor", layout="wide")

st.title("🎯 OMP Feature Selection & Predictor")
st.write("Aplikasi ini menggunakan model Orthogonal Matching Pursuit (OMP) yang telah dilatih.")

# 1. Load Model
@st.cache_resource
def load_model():
    with open("omp_model_pack1.pkl", "rb") as f:
        return pickle.load(f)

try:
    data_pack = load_model()
    model = data_pack["model"]
    scaler = data_pack["scaler"]
    all_features = data_pack["feature_names"]
    selected_idx = data_pack["selected_features_idx"]
    selected_features = [all_features[i] for i in selected_idx]

    st.success(f"Model dimuat! Model ini menggunakan {len(selected_features)} fitur terbaik.")

    # 2. Input Form
    st.sidebar.header("Input Nilai Fitur")
    user_inputs = {}
    
    # Hanya buat input untuk fitur yang dipilih oleh OMP
    for feat in selected_features:
        user_inputs[feat] = st.sidebar.number_input(f"Masukkan nilai untuk {feat}", value=0.0)

    if st.button("Prediksi Sekarang"):
        # Buat template data lengkap (150 fitur) diisi 0 dulu
        input_full = np.zeros(len(all_features))
        
        # Masukkan input user ke posisi index yang benar
        for i, feat in enumerate(selected_features):
            input_full[selected_idx[i]] = user_inputs[feat]
        
        # Reshape untuk scaling
        input_array = input_full.reshape(1, -1)
        
        # SCALING (Wajib karena model dilatih dengan data terskala)
        input_scaled = scaler.transform(input_array)
        
        # PREDIKSI
        prediction = model.predict(input_scaled)
        
        # Tampilkan Hasil
        st.metric(label="Hasil Prediksi Target", value=f"{prediction[0]:.4f}")
        
        with st.expander("Lihat Detail Input"):
            st.write("Fitur yang digunakan oleh model:")
            st.json(user_inputs)

except FileNotFoundError:
    st.error("File 'omp_model_pack.pkl' tidak ditemukan. Jalankan notebook dulu untuk export model.")