Update app.py

app.py

@@ -1,812 +1,408 @@
+# ==============================================================================
+# 1. IMPORT LIBRARY
+# ==============================================================================
 import streamlit as st
 import cv2
 import numpy as np
 import re
-import os
 import pandas as pd
 from PIL import Image
 import time
-import requests
-import json
 from paddleocr import PaddleOCR, draw_ocr
+import openai
 
-# Konfigurasi OpenRouter API
-OPENROUTER_API_KEY = "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"
-OPENROUTER_BASE_URL = "https://openrouter.ai/api/v1"
-
-# Konfigurasi Streamlit
+# ==============================================================================
+# 2. KONFIGURASI APLIKASI
+# ==============================================================================
+# Konfigurasi halaman Streamlit (sebaiknya dipanggil sekali di awal)
 st.set_page_config(
-    page_title="Nutri-Grade Label Detection",
-    page_icon="🥗",
-    layout="wide",
-    initial_sidebar_state="collapsed"
+    page_title="Nutri-Grade Calculator",
+    page_icon="🍏",
+    layout="centered",
+    initial_sidebar_state="auto"
 )
 
-# Title dan Deskripsi
-st.title("🥗 Nutri-Grade Label Detection & Grade Calculator")
-st.caption("Selamat Datang di aplikasi prototype kami. Terinspirasi dari NutriGrade Singapura, Aplikasi ini berguna untuk memberi label berdasarkan tabel gizi produk. Kami berharap aplikasi ini dapat membantu teman-teman dalam memilih produk makanan yang lebih sehat.")
+# --- Konfigurasi Kunci API dan Model ---
+# Menggunakan st.secrets untuk keamanan, jangan hardcode kunci API!
+# Buat file .streamlit/secrets.toml di repo Hugging Face Anda.
+# Isinya:
+OPENAI_API_KEY = "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"
+try:
+    openai.api_key = st.secrets["OPENAI_API_KEY"]
+except (KeyError, FileNotFoundError):
+    st.error("Kunci API OpenRouter tidak ditemukan. Harap atur di st.secrets.")
+    st.stop()
 
-# -----------------------------------------------
-# Info & Petunjuk Penggunaan
-# -----------------------------------------------
-with st.expander("📋 Petunjuk Penggunaan"):
-    st.markdown("""
-    **Cara Penggunaan:**
-    1. Upload gambar tabel gizi, jika menggunakan smartphone pilih kamera lalu ambil foto.
-    2. Sistem mendeteksi teks pada gambar menggunakan OCR.
-    3. Periksa dan koreksi nilai secara manual jika diperlukan.
-    4. Klik *Hitung* untuk melihat tabel normalisasi, grade, dan saran nutrisi.
-    """)
-    
-with st.expander("⚠️ Tolong Diperhatikan !!"):
-    st.markdown("""
-    1. Aplikasi ini masih dalam Pengembangan.
-    2. Hasil ekstraksi hanya sebagai gambaran; silakan koreksi bila diperlukan.
-    3. Hosting gratisan, jadi mungkin ada beberapa kendala.
-    4. Kode dapat diakses di Hugging Face untuk kontribusi atau feedback.
-    5. Referensi: [Health Promotion Board Singapura](https://www.hpb.gov.sg/docs/default-source/pdf/nutri-grade-ci-guide_eng-only67e4e36349ad4274bfdb22236872336d.pdf)
-    """)
+openai.api_base = "https://openrouter.ai/api/v1"
+AI_MODEL_NAME = "qwen/qwen2.5-vl-72b-instruct:free"
+
+# --- Variabel Global dan Konstanta ---
+TARGET_KEYS = {
+    "gula": ["gula", "sugar"],
+    "takaran saji": ["takaran saji", "serving size"],
+    "lemak jenuh": ["lemak jenuh", "saturated fat"]
+}
+
+# ==============================================================================
+# 3. FUNGSI-FUNGSI UTAMA
+# ==============================================================================
 
-# Cache untuk inisialisasi OCR model
 @st.cache_resource
-def initialize_ocr():
-    """Initialize PaddleOCR model dengan error handling yang lebih baik"""
-    try:
-        # Coba inisialisasi dengan GPU terlebih dahulu
-        ocr = PaddleOCR(use_gpu=False, lang='en', cls=True, 
-                        use_angle_cls=True, use_space_char=True,
-                        show_log=False)
-        return ocr, "OCR berhasil diinisialisasi"
-    except Exception as e:
-        st.warning(f"Gagal inisialisasi OCR dengan GPU: {e}")
-        try:
-            # Fallback ke CPU
-            ocr = PaddleOCR(use_gpu=False, lang='en', cls=False, 
-                           use_angle_cls=False, use_space_char=True,
-                           show_log=False)
-            return ocr, "OCR berhasil diinisialisasi (CPU mode)"
-        except Exception as e2:
-            st.error(f"Gagal inisialisasi OCR: {e2}")
-            return None, f"Error: {e2}"
-
-# Fungsi untuk membersihkan nilai numerik
-def parse_numeric_value(text):
-    """Parse nilai numerik dari string (contoh: '15g' → 15.0)"""
-    if not text:
-        return 0.0
-    
-    # Hapus semua karakter non-digit kecuali titik dan minus
-    cleaned = re.sub(r"[^\d\.\-]", "", str(text))
-    
-    # Handle kasus khusus
-    if not cleaned or cleaned == "." or cleaned == "-":
+def load_ocr_model():
+    """
+    Memuat model PaddleOCR dan menyimpannya di cache.
+    Menggunakan CPU untuk kompatibilitas yang lebih baik di Hugging Face Spaces.
+    """
+    print("Memuat model PaddleOCR...")
+    # PENTING: use_gpu=False untuk stabilitas di environment tanpa GPU yang terkonfigurasi.
+    # Ini adalah perbaikan utama untuk error 'Failed to parse program_desc'.
+    return PaddleOCR(use_gpu=False, lang='id', cls=True)
+
+def parse_numeric_value(text: str) -> float:
+    """
+    Membersihkan string dan mengubahnya menjadi float.
+    Contoh: "15g" -> 15.0 atau "Sekitar 12.5" -> 12.5
+    """
+    if not isinstance(text, str):
         return 0.0
-    
+    # Mengambil semua digit, titik, dan tanda minus
+    cleaned = re.sub(r"[^\d\.\-]", "", text)
     try:
         return float(cleaned)
     except (ValueError, TypeError):
         return 0.0
 
-# Fungsi untuk memanggil API OpenRouter
-def get_nutrition_advice(serving_size, sugar_norm, fat_norm, sugar_grade, fat_grade, final_grade):
-    """Mendapatkan saran nutrisi dari Qwen melalui OpenRouter API"""
-    
-    nutrition_prompt = f"""
-    Anda adalah ahli gizi yang ramah, komunikatif, dan berpengalaman.
-    Data nutrisi:
-    - Takaran saji: {serving_size} g/ml
-    - Kandungan Gula (per 100 g/ml): {sugar_norm:.2f} g
-    - Kandungan Lemak Jenuh (per 100 g/ml): {fat_norm:.2f} g
-    - Grade Gula: {sugar_grade}
-    - Grade Lemak Jenuh: {fat_grade}
-    - Grade Akhir: {final_grade}
-    
-    Berdasarkan data tersebut, berikan saran nutrisi yang informatif dalam satu paragraf pendek (50-100 kata). 
-    Jelaskan secara ringkas dengan mengulang data nutrisi, dampak kesehatannya, dan berikan tips praktis untuk menjaga pola makan seimbang dengan bahasa yang bersahabat.
+def perform_ocr(image_path: str, ocr_model) -> list:
     """
-    
-    headers = {
-        "Authorization": f"Bearer {OPENROUTER_API_KEY}",
-        "Content-Type": "application/json"
+    Melakukan OCR pada gambar dan mengembalikan hasil dalam format yang terstruktur.
+    """
+    if not image_path:
+        return []
+        
+    result = ocr_model.ocr(image_path, cls=True)
+    if not result or not result[0]:
+        return []
+
+    ocr_list = []
+    for line in result[0]:
+        box = line[0]
+        text, score = line[1]
+        xs = [pt[0] for pt in box]
+        ys = [pt[1] for pt in box]
+        ocr_list.append({
+            "text": text,
+            "box": box,
+            "score": score,
+            "center_x": sum(xs) / len(xs),
+            "center_y": sum(ys) / len(ys),
+            "height": max(ys) - min(ys)
+        })
+    # Urutkan berdasarkan posisi vertikal (atas ke bawah)
+    return sorted(ocr_list, key=lambda x: x["center_y"])
+
+def extract_key_values(ocr_data: list, target_keys: dict) -> dict:
+    """
+    Mengekstrak pasangan key-value dari data OCR yang telah diproses.
+    """
+    extracted = {}
+    
+    # Pass 1: Mencari key yang diikuti oleh titik dua (contoh: "Gula: 10g")
+    for item in ocr_data:
+        txt_lower = item["text"].lower()
+        if ":" in txt_lower:
+            parts = txt_lower.split(":", 1)
+            key_candidate, value_candidate = parts[0].strip(), parts[1].strip()
+            
+            for canonical, variants in target_keys.items():
+                if canonical.capitalize() not in extracted:
+                    for variant in variants:
+                        if variant in key_candidate:
+                            clean_value = re.sub(r"[^\d\.\-]", "", value_candidate)
+                            if clean_value and clean_value != ".":
+                                extracted[canonical.capitalize()] = clean_value
+                                break
+    
+    # Pass 2: Fallback, mencari nilai yang paling dekat di sebelah kanan key
+    for item in ocr_data:
+        txt_lower = item["text"].lower()
+        for canonical, variants in target_keys.items():
+            if canonical.capitalize() not in extracted:
+                for variant in variants:
+                    if variant in txt_lower:
+                        key_center_y, key_center_x, key_height = item["center_y"], item["center_x"], item["height"]
+                        best_candidate = None
+                        min_horizontal_dist = float('inf')
+                        
+                        for other in ocr_data:
+                            # Cari kandidat di sebelah kanan dan sejajar secara vertikal
+                            is_aligned_y = abs(other["center_y"] - key_center_y) < key_height * 0.75
+                            is_to_the_right = other["center_x"] > key_center_x
+                            
+                            if item != other and is_aligned_y and is_to_the_right:
+                                horizontal_dist = other["center_x"] - key_center_x
+                                if horizontal_dist < min_horizontal_dist:
+                                    min_horizontal_dist = horizontal_dist
+                                    best_candidate = other
+                                    
+                        if best_candidate:
+                            raw_value = best_candidate["text"]
+                            clean_value = re.sub(r"[^\d\.\-]", "", raw_value)
+                            if clean_value and clean_value != ".":
+                                extracted[canonical.capitalize()] = clean_value
+                        break # Pindah ke canonical key berikutnya
+    return extracted
+
+def calculate_final_grade(sugar_norm: float, fat_norm: float) -> (str, str, str):
+    """
+    Menghitung grade untuk gula, lemak jenuh, dan grade akhir.
+    """
+    thresholds = {
+        "sugar": {"A": 1.0, "B": 5.0, "C": 10.0},
+        "fat": {"A": 0.7, "B": 1.2, "C": 2.8}
     }
+    grade_scores = {"A": 1, "B": 2, "C": 3, "D": 4}
     
-    payload = {
-        "model": "qwen/qwen2.5-vl-72b-instruct:free",
-        "messages": [
-            {
-                "role": "user",
-                "content": nutrition_prompt
-            }
-        ],
-        "max_tokens": 200,
-        "temperature": 0.7
-    }
+    def get_grade(value, nutrient_type):
+        if value <= thresholds[nutrient_type]["A"]: return "A"
+        if value <= thresholds[nutrient_type]["B"]: return "B"
+        if value <= thresholds[nutrient_type]["C"]: return "C"
+        return "D"
+
+    sugar_grade = get_grade(sugar_norm, "sugar")
+    fat_grade = get_grade(fat_norm, "fat")
+    
+    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 f"Grade {sugar_grade}", f"Grade {fat_grade}", f"Grade {final_grade}"
+
+def generate_nutrition_advice(data: dict) -> str:
+    """
+    Membuat prompt dan memanggil API LLM untuk mendapatkan saran nutrisi.
+    """
+    nutrition_prompt = f"""
+    Anda adalah seorang ahli gizi dari Indonesia yang ramah, komunikatif, dan berpengalaman.
+    Berikut adalah data nutrisi sebuah produk makanan:
+    - Takaran Saji: {data['serving_size']:.2f} g/ml
+    - Kandungan Gula (setelah normalisasi per 100g): {data['sugar_norm']:.2f} g
+    - Kandungan Lemak Jenuh (setelah normalisasi per 100g): {data['fat_norm']:.2f} g
+    - Grade Gula: {data['sugar_grade']}
+    - Grade Lemak Jenuh: {data['fat_grade']}
+    - Grade Akhir Produk: {data['final_grade']}
+
+    Tugas Anda:
+    Berikan saran nutrisi yang informatif dalam satu paragraf pendek (sekitar 50-100 kata).
+    Gunakan bahasa yang bersahabat dan mudah dimengerti. Jelaskan secara ringkas arti dari data nutrisi di atas, 
+    dampak kesehatan terkait, dan berikan tips praktis untuk menjaga pola makan seimbang.
+    """
+    st.write("Tunggu sebentar, Qwen si AI nutritionist sedang memproses penjelasannya... 🤖")
     try:
-        response = requests.post(
-            f"{OPENROUTER_BASE_URL}/chat/completions",
-            headers=headers,
-            json=payload,
-            timeout=30
+        completion = openai.ChatCompletion.create(
+            model=AI_MODEL_NAME,
+            messages=[{"role": "user", "content": nutrition_prompt}]
         )
-        
-        if response.status_code == 200:
-            data = response.json()
-            return data["choices"][0]["message"]["content"]
-        else:
-            return f"Error: HTTP {response.status_code} - {response.text}"
-    
-    except requests.exceptions.Timeout:
-        return "Error: Request timeout. Silakan coba lagi."
-    except requests.exceptions.RequestException as e:
-        return f"Error: {str(e)}"
+        return completion.choices[0].message.content
     except Exception as e:
-        return f"Error: {str(e)}"
-
-# Inisialisasi OCR model
-if 'ocr_model' not in st.session_state:
-    with st.spinner("Menginisialisasi model OCR..."):
-        ocr_model, init_message = initialize_ocr()
-        st.session_state.ocr_model = ocr_model
-        if ocr_model is not None:
-            st.success(init_message)
-        else:
-            st.error(init_message)
-            st.stop()
+        return f"Gagal mendapatkan saran dari Qwen: {e}"
+
+def display_colored_grade(grade_text: str):
+    """
+    Menampilkan grade akhir dengan warna latar yang sesuai.
+    """
+    color_map = {
+        "Grade A": "#2ecc71",  # Hijau
+        "Grade B": "#f1c40f",  # Kuning
+        "Grade C": "#e67e22",  # Oranye
+        "Grade D": "#e74c3c"   # Merah
+    }
+    bg_color = color_map.get(grade_text, "#7f8c8d") # Default abu-abu
+    
+    html_code = f"""
+    <div style="
+        background-color: {bg_color};
+        padding: 15px;
+        border-radius: 8px;
+        margin-top: 10px;
+        font-weight: bold;
+        color: white;
+        text-align: center;
+        font-size: 20px;
+    ">
+    {grade_text}
+    </div>
+    """
+    st.markdown(html_code, unsafe_allow_html=True)
+
+# ==============================================================================
+# 4. TAMPILAN ANTARMUKA (USER INTERFACE)
+# ==============================================================================
+
+# --- Judul dan Deskripsi ---
+st.title("🍏 Nutri-Grade Label & Grade Calculator")
+st.caption("Aplikasi prototipe untuk menganalisis dan memberi grade pada label nutrisi produk, terinspirasi oleh Nutri-Grade Singapura. Refresh halaman jika terjadi masalah.")
+
+# --- Petunjuk Penggunaan dan Info ---
+with st.expander("Petunjuk Penggunaan 📝"):
+    st.markdown("""
+    1.  **Upload Gambar**: Unggah gambar tabel gizi produk. Jika dari ponsel, Anda bisa langsung menggunakan kamera.
+    2.  **Deteksi Teks (OCR)**: Sistem akan secara otomatis mendeteksi teks dan angka pada gambar.
+    3.  **Koreksi Manual**: Periksa hasil deteksi. Jika ada yang kurang tepat, Anda bisa memperbaikinya di formulir.
+    4.  **Hitung Grade**: Klik tombol "Hitung" untuk melihat hasil analisis, grade, dan saran nutrisi.
+    """)
+    
+with st.expander("⚠️ Harap Diperhatikan"):
+    st.markdown("""
+    - Aplikasi ini masih dalam tahap **pengembangan (prototipe)**.
+    - Hasil ekstraksi otomatis mungkin tidak 100% akurat. **Selalu verifikasi dengan label fisik**.
+    - Dijalankan pada server gratis, mohon maaf jika terkadang lambat atau mengalami kendala.
+    - Kode sumber tersedia di [Hugging Face](https://huggingface.co/spaces/tataaditya/nutri-grade). Kontribusi dan feedback sangat kami hargai.
+    - Referensi utama: [Health Promotion Board Singapore](https://www.hpb.gov.sg/docs/default-source/pdf/nutri-grade-ci-guide_eng-only67e4e36349ad4274bfdb22236872336d.pdf).
+    """)
+
+# --- Inisialisasi Model OCR ---
+ocr_model = load_ocr_model()
 
 # --- STEP 1: Upload Gambar ---
-st.header("📸 Upload Gambar Tabel Gizi")
 uploaded_file = st.file_uploader(
-    "Pilih gambar (JPG/PNG/JPEG)", 
-    type=["jpg", "jpeg", "png"],
-    help="Upload gambar tabel gizi untuk dianalisis"
+    "Upload gambar tabel gizi di sini (JPG/PNG)",
+    type=["jpg", "jpeg", "png"]
 )
 
 if uploaded_file is not None:
-    try:
-        # Baca gambar
-        file_bytes = np.asarray(bytearray(uploaded_file.read()), dtype=np.uint8)
-        img = cv2.imdecode(file_bytes, cv2.IMREAD_COLOR)
+    # Menggunakan session state untuk menyimpan hasil agar tidak perlu diulang
+    if 'last_uploaded_file' not in st.session_state or st.session_state.last_uploaded_file != uploaded_file.name:
+        st.session_state.last_uploaded_file = uploaded_file.name
+        st.session_state.ocr_data = None
+        st.session_state.extracted_data = {}
+
+    # Konversi dan tampilkan gambar
+    image_bytes = np.asarray(bytearray(uploaded_file.read()), dtype=np.uint8)
+    img = cv2.imdecode(image_bytes, 1)
+    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
+    st.image(img_rgb, caption="Gambar yang diunggah", use_column_width=True)
+    
+    # Simpan gambar sementara untuk diproses OCR
+    img_path = "uploaded_image.jpg"
+    cv2.imwrite(img_path, img)
+
+    # --- STEP 2: Proses OCR (hanya jika belum ada datanya) ---
+    if st.session_state.ocr_data is None:
+        with st.spinner("Membaca teks dari gambar... Ini mungkin memakan waktu beberapa detik."):
+            start_time = time.time()
+            st.session_state.ocr_data = perform_ocr(img_path, ocr_model)
+            ocr_time = time.time() - start_time
         
-        if img is None:
-            st.error("Gagal membaca gambar. Pastikan format file benar.")
+        if not st.session_state.ocr_data:
+            st.error("OCR tidak dapat menemukan teks apapun pada gambar. Coba gambar yang lebih jelas.")
             st.stop()
-        
-        # Tampilkan gambar
-        st.image(cv2.cvtColor(img, cv2.COLOR_BGR2RGB), 
-                caption="Gambar yang diupload", 
-                use_column_width=True)
-        
-        # Simpan gambar sementara
-        temp_img_path = "temp_uploaded_image.jpg"
-        cv2.imwrite(temp_img_path, img)
-        
-        # --- STEP 2: OCR pada Gambar ---
-        st.header("🔍 Proses OCR")
-        
-        if st.button("Mulai Analisis OCR", type="primary"):
-            with st.spinner("Melakukan OCR pada gambar..."):
-                start_time = time.time()
-                try:
-                    ocr_result = st.session_state.ocr_model.ocr(temp_img_path, cls=True)
-                    ocr_time = time.time() - start_time
-                    st.success(f"OCR selesai dalam {ocr_time:.2f} detik")
-                    
-                    if not ocr_result or not ocr_result[0]:
-                        st.error("OCR tidak menemukan teks pada gambar!")
-                        st.stop()
-                    
-                    # Ekstrak data OCR
-                    ocr_data = ocr_result[0]
-                    ocr_list = []
-                    
-                    for line in ocr_data:
-                        if len(line) >= 2:
-                            box = line[0]
-                            text = line[1][0] if len(line[1]) >= 1 else ""
-                            score = line[1][1] if len(line[1]) >= 2 else 0.0
-                            
-                            if box and len(box) >= 4:
-                                xs = [pt[0] for pt in box]
-                                ys = [pt[1] for pt in box]
-                                center_x = sum(xs) / len(xs)
-                                center_y = sum(ys) / len(ys)
-                                
-                                ocr_list.append({
-                                    "text": text,
-                                    "box": box,
-                                    "score": score,
-                                    "center_x": center_x,
-                                    "center_y": center_y,
-                                    "height": max(ys) - min(ys)
-                                })
-                    
-                    # Sort berdasarkan posisi vertikal
-                    ocr_list = sorted(ocr_list, key=lambda x: x["center_y"])
-                    
-                    # Target keys untuk ekstraksi
-                    target_keys = {
-                        "gula": ["gula", "sugar", "sugars", "total sugar"],
-                        "takaran saji": ["takaran saji", "serving size", "per serving", "sajian"],
-                        "lemak jenuh": ["lemak jenuh", "saturated fat", "saturated", "sat fat"]
-                    }
-                    
-                    extracted = {}
-                    
-                    # Pass 1: Ekstraksi dengan tanda titik dua
-                    for item in ocr_list:
-                        txt_lower = item["text"].lower()
-                        if ":" in txt_lower:
-                            parts = txt_lower.split(":")
-                            if len(parts) >= 2:
-                                key_candidate = parts[0].strip()
-                                value_candidate = parts[-1].strip()
-                                
-                                for canonical, variants in target_keys.items():
-                                    if canonical not in extracted:
-                                        for variant in variants:
-                                            if variant in key_candidate:
-                                                clean_value = re.sub(r"[^\d\.\-]", "", value_candidate)
-                                                if clean_value and clean_value not in ["", "."]:
-                                                    extracted[canonical.capitalize()] = clean_value
-                                                break
-                    
-                    # Pass 2: Fallback untuk key yang belum diekstrak
-                    for item in ocr_list:
-                        txt_lower = item["text"].lower()
-                        for canonical, variants in target_keys.items():
-                            if canonical.capitalize() not in extracted:
-                                for variant in variants:
-                                    if variant in txt_lower:
-                                        key_center = (item["center_x"], item["center_y"])
-                                        key_height = item["height"]
-                                        best_candidate = None
-                                        min_dx = float('inf')
-                                        
-                                        # Cari nilai di sebelah kanan
-                                        for other in ocr_list:
-                                            if other == item:
-                                                continue
-                                            if (other["center_x"] > key_center[0] and 
-                                                abs(other["center_y"] - key_center[1]) < 0.5 * key_height):
-                                                dx = other["center_x"] - key_center[0]
-                                                if dx < min_dx:
-                                                    min_dx = dx
-                                                    best_candidate = other
-                                        
-                                        if best_candidate:
-                                            raw_value = best_candidate["text"]
-                                            clean_value = re.sub(r"[^\d\.\-]", "", raw_value)
-                                            if clean_value and clean_value not in ["", "."]:
-                                                extracted[canonical.capitalize()] = clean_value
-                                        break
-                    
-                    # Tampilkan hasil ekstraksi
-                    if extracted:
-                        st.subheader("📊 Hasil Ekstraksi")
-                        col1, col2 = st.columns(2)
-                        
-                        with col1:
-                            st.write("**Data yang ditemukan:**")
-                            for k, v in extracted.items():
-                                st.write(f"• {k}: {v}")
-                        
-                        with col2:
-                            # Tampilkan gambar dengan bounding box
-                            try:
-                                boxes_ocr = [line["box"] for line in ocr_list]
-                                texts_ocr = [line["text"] for line in ocr_list]
-                                scores_ocr = [line["score"] for line in ocr_list]
-                                
-                                # Gunakan font default jika simfang.ttf tidak tersedia
-                                try:
-                                    im_show = draw_ocr(
-                                        Image.open(temp_img_path).convert("RGB"), 
-                                        boxes_ocr, texts_ocr, scores_ocr, 
-                                        font_path=None
-                                    )
-                                except:
-                                    im_show = draw_ocr(
-                                        Image.open(temp_img_path).convert("RGB"), 
-                                        boxes_ocr, texts_ocr, scores_ocr
-                                    )
-                                
-                                im_show = Image.fromarray(im_show)
-                                st.image(im_show, caption="Hasil OCR", use_column_width=True)
-                            except Exception as e:
-                                st.warning(f"Tidak dapat menampilkan bounding box: {e}")
-                    else:
-                        st.warning("Tidak ditemukan data nutrisi yang cocok. Silakan input manual.")
-                        extracted = {}
-                    
-                    # --- STEP 3: Koreksi Manual ---
-                    st.header("✏️ Koreksi Data")
-                    
-                    with st.form("correction_form"):
-                        st.write("Silakan koreksi nilai jika diperlukan (hanya angka, tanpa satuan):")
-                        
-                        col1, col2, col3 = st.columns(3)
-                        
-                        with col1:
-                            takaran_saji_val = str(parse_numeric_value(
-                                extracted.get("Takaran saji", "100")
-                            )) if "Takaran saji" in extracted else "100"
-                            takaran_saji = st.text_input(
-                                "Takaran Saji (g/ml)", 
-                                value=takaran_saji_val,
-                                help="Masukkan takaran saji dalam gram atau ml"
-                            )
-                        
-                        with col2:
-                            gula_val = str(parse_numeric_value(
-                                extracted.get("Gula", "0")
-                            )) if "Gula" in extracted else ""
-                            gula = st.text_input(
-                                "Gula (g)", 
-                                value=gula_val,
-                                help="Masukkan kandungan gula dalam gram"
-                            )
-                        
-                        with col3:
-                            lemak_jenuh_val = str(parse_numeric_value(
-                                extracted.get("Lemak jenuh", "0")
-                            )) if "Lemak jenuh" in extracted else ""
-                            lemak_jenuh = st.text_input(
-                                "Lemak Jenuh (g)", 
-                                value=lemak_jenuh_val,
-                                help="Masukkan kandungan lemak jenuh dalam gram"
-                            )
-                        
-                        submit_button = st.form_submit_button("🧮 Hitung Grade", 
-                                                            type="primary", 
-                                                            use_container_width=True)
-                    
-                    # --- STEP 4: Perhitungan Grade ---
-                    if submit_button:
-                        try:
-                            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!")
-                                st.stop()
-                            
-                            # Normalisasi ke per 100g/ml
-                            sugar_norm = (sugar_value / serving_size) * 100
-                            fat_norm = (fat_value / serving_size) * 100
-                            
-                            # Tampilkan hasil normalisasi
-                            st.header("📈 Hasil Analisis")
-                            
-                            col1, col2 = st.columns(2)
-                            
-                            with col1:
-                                st.subheader("📊 Tabel Normalisasi")
-                                data_tabel = {
-                                    "Nutrisi": ["Gula", "Lemak Jenuh"],
-                                    "Nilai Original": [f"{sugar_value} g", f"{fat_value} g"],
-                                    "Per 100 g/ml": [f"{sugar_norm:.2f} g", f"{fat_norm:.2f} g"]
-                                }
-                                df_tabel = pd.DataFrame(data_tabel)
-                                st.dataframe(df_tabel, use_container_width=True)
-                            
-                            with col2:
-                                st.subheader("🎯 Standar Grading")
-                                st.write("**Gula (per 100g/ml):**")
-                                st.write("• Grade A: ≤ 1.0 g")
-                                st.write("• Grade B: ≤ 5.0 g")
-                                st.write("• Grade C: ≤ 10.0 g")
-                                st.write("• Grade D: > 10.0 g")
-                                
-                                st.write("**Lemak Jenuh (per 100g/ml):**")
-                                st.write("• Grade A: ≤ 0.7 g")
-                                st.write("• Grade B: ≤ 1.2 g")
-                                st.write("• Grade C: ≤ 2.8 g")
-                                st.write("• Grade D: > 2.8 g")
-                            
-                            # Hitung Grade
-                            def grade_from_value(value, thresholds):
-                                if value <= thresholds["A"]:
-                                    return "Grade A"
-                                elif value <= thresholds["B"]:
-                                    return "Grade B"
-                                elif value <= thresholds["C"]:
-                                    return "Grade C"
-                                else:
-                                    return "Grade D"
-                            
-                            thresholds_sugar = {"A": 1.0, "B": 5.0, "C": 10.0}
-                            thresholds_fat = {"A": 0.7, "B": 1.2, "C": 2.8}
-                            
-                            sugar_grade = grade_from_value(sugar_norm, thresholds_sugar)
-                            fat_grade = grade_from_value(fat_norm, thresholds_fat)
-                            
-                            # Tentukan grade akhir (yang terburuk)
-                            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])
-                            inverse_scores = {v: k for k, v in grade_scores.items()}
-                            final_grade = inverse_scores[worst_score]
-                            
-                            # Tampilkan grade dengan warna
-                            st.subheader("🏆 Hasil Grading")
-                            
-                            def get_grade_color(grade_text):
-                                if grade_text == "Grade A":
-                                    return "#2ecc71", "white"
-                                elif grade_text == "Grade B":
-                                    return "#f1c40f", "black"
-                                elif grade_text == "Grade C":
-                                    return "#e67e22", "white"
-                                else:
-                                    return "#e74c3c", "white"
-                            
-                            col1, col2, col3 = st.columns(3)
-                            
-                            with col1:
-                                bg_color, text_color = get_grade_color(sugar_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;
-                                ">
-                                    <h4 style="margin: 0; color: {text_color};">Gula</h4>
-                                    <p style="margin: 5px 0; color: {text_color};">{sugar_norm:.2f} g</p>
-                                    <h3 style="margin: 0; color: {text_color};">{sugar_grade}</h3>
-                                </div>
-                                """, unsafe_allow_html=True)
-                            
-                            with col2:
-                                bg_color, text_color = get_grade_color(fat_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;
-                                ">
-                                    <h4 style="margin: 0; color: {text_color};">Lemak Jenuh</h4>
-                                    <p style="margin: 5px 0; color: {text_color};">{fat_norm:.2f} g</p>
-                                    <h3 style="margin: 0; color: {text_color};">{sugar_grade}</h3>
-                                </div>
-                                """, unsafe_allow_html=True)
-                            
-                            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)
-                            
-                            # --- STEP 5: Saran Nutrisi dari AI ---
-                            st.header("🤖 Saran Nutrisi dari AI")
-                            
-                            with st.spinner("Qwen AI sedang menganalisis data nutrisi Anda..."):
-                                nutrition_advice = get_nutrition_advice(
-                                    serving_size, sugar_norm, fat_norm, 
-                                    sugar_grade, fat_grade, final_grade
-                                )
-                                
-                                if nutrition_advice.startswith("Error"):
-                                    st.error(f"Gagal mendapatkan saran nutrisi: {nutrition_advice}")
-                                    st.info("Silakan coba lagi nanti atau hubungi tim pengembang.")
-                                else:
-                                    st.success("Saran berhasil didapatkan!")
-                                    st.markdown(f"""
-                                    <div style="
-                                        background-color: #f8f9fa;
-                                        padding: 20px;
-                                        border-radius: 10px;
-                                        border-left: 5px solid #007BFF;
-                                        margin: 10px 0;
-                                    ">
-                                        <h4>💡 Saran Nutrisi Personal</h4>
-                                        <p style="font-size: 16px; line-height: 1.6;">{nutrition_advice}</p>
-                                    </div>
-                                    """, unsafe_allow_html=True)
-                        
-                        except Exception as e:
-                            st.error(f"Terjadi kesalahan dalam perhitungan: {e}")
-                            st.write("Silakan periksa kembali input data Anda.")
-                
-                except Exception as e:
-                    st.error(f"Terjadi kesalahan dalam proses OCR: {e}")
-                    st.write("Silakan coba dengan gambar yang berbeda atau hubungi tim pengembang.")
-        
-        # Cleanup file sementara
+        else:
+            st.success(f"OCR berhasil! Ditemukan {len(st.session_state.ocr_data)} baris teks dalam {ocr_time:.2f} detik.")
+            st.session_state.extracted_data = extract_key_values(st.session_state.ocr_data, TARGET_KEYS)
+
+    # Tampilkan hasil OCR dengan bounding box untuk referensi
+    with st.expander("Lihat Hasil Deteksi Teks (OCR)"):
+        boxes_ocr = [line["box"] for line in st.session_state.ocr_data]
+        texts_ocr = [line["text"] for line in st.session_state.ocr_data]
+        scores_ocr = [line["score"] for line in st.session_state.ocr_data]
+        # Gunakan font default jika simfang tidak ada
         try:
-            if os.path.exists(temp_img_path):
-                os.remove(temp_img_path)
+            im_show = draw_ocr(Image.open(img_path).convert("RGB"), boxes_ocr, texts_ocr, scores_ocr, font_path="simfang.ttf")
         except:
-            pass
-            
-    except Exception as e:
-        st.error(f"Terjadi kesalahan dalam memproses gambar: {e}")
+            im_show = draw_ocr(Image.open(img_path).convert("RGB"), boxes_ocr, texts_ocr, scores_ocr)
+        im_show = Image.fromarray(im_show)
+        st.image(im_show, caption="Hasil OCR dengan Bounding Boxes", use_column_width=True)
 
-# --- Footer: Tim Pengembang ---
-st.markdown("---")
-st.markdown("""
-<div style="border: 2px solid #007BFF; padding: 20px; border-radius: 10px; margin-top: 30px; background-color: #f8f9fa;">
-  <h3 style="color: #007BFF; text-align: center;">👥 Tim Pengembang</h3>
-  <div style="display: flex; justify-content: space-around; flex-wrap: wrap;">
-    <div style="text-align: center; margin: 10px;">
-      <h4>Nicholas Dominic</h4>
-      <p><strong>Mentor</strong></p>
-      <a href="https://www.linkedin.com/in/nicholas-dominic" target="_blank">
-        <button style="background-color: #0077B5; color: white; border: none; padding: 8px 16px; border-radius: 5px; cursor: pointer;">
-          LinkedIn
-        </button>
-      </a>
-    </div>
-    <div style="text-align: center; margin: 10px;">
-      <h4>Tata Aditya Pamungkas</h4>
-      <p><strong>Machine Learning</strong></p>
-      <a href="https://www.linkedin.com/in/tata-aditya-pamungkas" target="_blank">
-        <button style="background-color: #0077B5; color: white; border: none; padding: 8px 16px; border-radius: 5px; cursor: pointer;">
-          LinkedIn
-        </button>
-      </a>
-    </div>
-    <div style="text-align: center; margin: 10px;">
-      <h4>Raihan Hafiz</h4>
-      <p><strong>Web Development</strong></p>
-      <a href="https://www.linkedin.com/in/m-raihan-hafiz-91a368186" target="_blank">
-        <button style="background-color: #0077B5; color: white; border: none; padding: 8px 16px; border-radius: 5px; cursor: pointer;">
-          LinkedIn
-        </button>
-      </a>
-    </div>
-  </div>
-</div>
-""", unsafe_allow_html=True)
+    # --- STEP 3: Koreksi Manual ---
+    st.markdown("---")
+    st.subheader("Verifikasi & Koreksi Data")
+    st.info("Periksa dan koreksi nilai yang diekstrak jika perlu. Masukkan **hanya angka** (gunakan titik untuk desimal).")
 
-with st.expander("🚀 Roadmap Pengembangan"):
-    st.markdown("""
-    **Inovasi yang sedang dikembangkan:**
-    
-    1. **Infrastruktur Premium** 
-       - Migrasi ke server berbayar untuk menampung lebih banyak pengguna
-       - Optimasi kecepatan dan stabilitas aplikasi
-    
-    2. **Fitur Recall Asupan Harian**
-       - Tracking asupan makanan real food sehari-hari
-       - Konsultasi dengan ahli gizi profesional ([Firzah Marhamah, RD](https://www.linkedin.com/in/firza-marhamah))
-       - Database makanan Indonesia yang komprehensif
-    
-    3. **Kalkulator Kalori Personal**
-       - Perhitungan kebutuhan kalori berdasarkan profil pengguna
-       - Rekomendasi menu harian yang seimbang
-       - Tracking progress dan pencapaian target nutrisi
-    
-    4. **Integrasi AI yang Lebih Canggih**
-       - Analisis pola makan pengguna
-       - Prediksi risiko kesehatan berdasarkan riwayat konsumsi
-       - Chatbot nutrisi untuk konsultasi real-time
-    
-    5. **Fitur Komunitas**
-       - Sharing resep makanan sehat
-       - Challenge dan kompetisi hidup sehat
-       - Forum diskusi dengan ahli gizi
-    """)
+    with st.form("correction_form"):
+        corrected_data = {}
+        # Ambil nilai dari session state sebagai default
+        extracted_data = st.session_state.extracted_data
+        
+        for key in TARGET_KEYS.keys():
+            key_cap = key.capitalize()
+            # Ambil nilai yang sudah diekstrak, jika tidak ada, biarkan kosong
+            default_val = extracted_data.get(key_cap, "")
+            corrected_data[key_cap] = st.text_input(
+                label=f"**{key_cap}** (angka saja)",
+                value=default_val
+            )
+        
+        submit_button = st.form_submit_button("✅ Hitung Grade & Dapatkan Saran")
 
-# Sidebar informasi tambahan
-with st.sidebar:
-    st.header("ℹ️ Informasi Aplikasi")
-    
-    st.subheader("🎯 Tentang NutriGrade")
-    st.write("""
-    Sistem grading berdasarkan standar Health Promotion Board Singapura 
-    yang mengkategorikan makanan berdasarkan kandungan gula dan lemak jenuh.
-    """)
-    
-    st.subheader("📊 Standar Grading")
-    st.write("**Gula (per 100g/ml):**")
-    st.write("🟢 A: ≤ 1.0g | 🟡 B: ≤ 5.0g")
-    st.write("🟠 C: ≤ 10.0g | 🔴 D: > 10.0g")
-    
-    st.write("**Lemak Jenuh (per 100g/ml):**")
-    st.write("🟢 A: ≤ 0.7g | 🟡 B: ≤ 1.2g") 
-    st.write("🟠 C: ≤ 2.8g | 🔴 D: > 2.8g")
-    
-    st.subheader("🔧 Status Sistem")
-    if st.session_state.get('ocr_model') is not None:
-        st.success("✅ OCR Model: Ready")
-    else:
-        st.error("❌ OCR Model: Not Ready")
-    
-    st.success("✅ API: Connected")
-    st.info("🌐 Hosting: Hugging Face Spaces")
-    
-    st.subheader("📱 Tips Penggunaan")
-    st.write("""
-    • Pastikan gambar jelas dan tidak buram
-    • Tabel gizi harus terlihat dengan baik
-    • Hindari gambar dengan pencahayaan buruk
-    • Untuk hasil terbaik, gunakan gambar portrait mode
-    """)
-    
-    st.subheader("🆘 Bantuan")
-    st.write("Jika mengalami masalah:")
-    st.write("1. Refresh halaman")
-    st.write("2. Coba dengan gambar yang berbeda")
-    st.write("3. Hubungi tim pengembang")
+    # --- STEP 4: Kalkulasi dan Tampilan Hasil ---
+    if submit_button:
+        try:
+            # Ambil nilai dari form yang sudah dikoreksi
+            serving_size = parse_numeric_value(corrected_data.get("Takaran saji", "100"))
+            sugar_value = parse_numeric_value(corrected_data.get("Gula", "0"))
+            fat_value = parse_numeric_value(corrected_data.get("Lemak jenuh", "0"))
+            
+            if serving_size <= 0:
+                st.error("Takaran Saji harus lebih besar dari nol untuk melakukan normalisasi.")
+                st.stop()
 
-# CSS untuk styling tambahan
-st.markdown("""
-<style>
-    .main > div {
-        padding-top: 2rem;
-    }
-    
-    .stButton > button {
-        width: 100%;
-        border-radius: 10px;
-        height: 3em;
-        font-weight: bold;
-    }
-    
-    .stButton > button:hover {
-        transform: translateY(-2px);
-        box-shadow: 0 4px 8px rgba(0,0,0,0.2);
-        transition: all 0.3s ease;
-    }
-    
-    .uploadedFile {
-        border: 2px dashed #007BFF;
-        border-radius: 10px;
-        padding: 20px;
-        text-align: center;
-        margin: 10px 0;
-    }
-    
-    .stDataFrame {
-        border-radius: 10px;
-        overflow: hidden;
-    }
-    
-    .stExpander {
-        border-radius: 10px;
-        border: 1px solid #e0e0e0;
-    }
-    
-    .stSuccess, .stError, .stWarning, .stInfo {
-        border-radius: 10px;
-        padding: 15px;
-        margin: 10px 0;
-    }
-    
-    .grade-card {
-        transition: transform 0.3s ease;
-    }
-    
-    .grade-card:hover {
-        transform: scale(1.05);
-    }
-    
-    /* Responsive design */
-    @media (max-width: 768px) {
-        .stColumns {
-            flex-direction: column;
-        }
-        
-        .stButton > button {
-            height: 2.5em;
-            font-size: 14px;
-        }
-    }
-    
-    /* Loading animation */
-    .stSpinner {
-        border-radius: 50%;
-        animation: spin 1s linear infinite;
-    }
-    
-    @keyframes spin {
-        0% { transform: rotate(0deg); }
-        100% { transform: rotate(360deg); }
-    }
-    
-    /* Custom scrollbar */
-    ::-webkit-scrollbar {
-        width: 8px;
-    }
-    
-    ::-webkit-scrollbar-track {
-        background: #f1f1f1;
-        border-radius: 10px;
-    }
-    
-    ::-webkit-scrollbar-thumb {
-        background: #007BFF;
-        border-radius: 10px;
-    }
-    
-    ::-webkit-scrollbar-thumb:hover {
-        background: #0056b3;
-    }
-</style>
-""", unsafe_allow_html=True)
+            # Normalisasi ke per 100g/ml
+            sugar_norm = (sugar_value / serving_size) * 100
+            fat_norm = (fat_value / serving_size) * 100
+            
+            # Hitung Grade
+            sugar_grade, fat_grade, final_grade = calculate_final_grade(sugar_norm, fat_norm)
 
-# JavaScript untuk interaksi tambahan
-st.markdown("""
-<script>
-// Auto-scroll ke hasil setelah analisis
-function scrollToResults() {
-    setTimeout(function() {
-        const results = document.querySelector('[data-testid="stHeader"]');
-        if (results) {
-            results.scrollIntoView({ behavior: 'smooth' });
-        }
-    }, 1000);
-}
+            st.markdown("---")
+            st.subheader("Hasil Analisis Nutrisi")
+            
+            col1, col2 = st.columns(2)
+            with col1:
+                st.write("**Hasil Normalisasi per 100 g/ml**")
+                df_tabel = pd.DataFrame({
+                    "Nutrisi": ["Gula Total", "Lemak Jenuh"],
+                    "Nilai (per 100 g/ml)": [f"{sugar_norm:.2f} g", f"{fat_norm:.2f} g"]
+                })
+                st.table(df_tabel)
 
-// Notifikasi browser jika didukung
-function showNotification(title, message) {
-    if ("Notification" in window) {
-        if (Notification.permission === "granted") {
-            new Notification(title, {
-                body: message,
-                icon: "🥗"
-            });
-        } else if (Notification.permission !== "denied") {
-            Notification.requestPermission().then(function (permission) {
-                if (permission === "granted") {
-                    new Notification(title, {
-                        body: message,
-                        icon: "🥗"
-                    });
-                }
-            });
-        }
-    }
-}
+            with col2:
+                st.write("**Hasil Penilaian Grade**")
+                st.metric(label="Grade Gula", value=sugar_grade)
+                st.metric(label="Grade Lemak Jenuh", value=fat_grade)
 
-// Hapus file sementara saat halaman ditutup
-window.addEventListener('beforeunload', function() {
-    // Cleanup logic bisa ditambahkan di sini
-});
-</script>
-""", unsafe_allow_html=True)
+            st.write("**Grade Akhir Produk**")
+            display_colored_grade(final_grade)
+            
+            st.markdown("---")
+            st.subheader("Saran dari Ahli Gizi AI")
+            
+            advice_data = {
+                "serving_size": serving_size, "sugar_norm": sugar_norm, "fat_norm": fat_norm,
+                "sugar_grade": sugar_grade, "fat_grade": fat_grade, "final_grade": final_grade
+            }
+            nutrition_advice = generate_nutrition_advice(advice_data)
+            st.success(nutrition_advice)
 
-# Footer dengan informasi kontak dan versi
+        except Exception as e:
+            st.error(f"Terjadi kesalahan saat perhitungan: {e}")
+
+# ==============================================================================
+# 5. FOOTER
+# ==============================================================================
 st.markdown("---")
+
+# --- Tampilan Tim Pengembang ---
 st.markdown("""
-<div style="text-align: center; padding: 20px; background-color: #f8f9fa; border-radius: 10px; margin-top: 20px;">
-    <p style="color: #666; margin: 5px 0;">
-        <strong>Nutri-Grade Detection App v2.0</strong><br>
-        Dikembangkan dengan ❤️ untuk kesehatan masyarakat Indonesia<br>
-        <small>Powered by PaddleOCR, OpenRouter API, dan Streamlit</small>
-    </p>
-    <p style="color: #888; font-size: 12px; margin-top: 15px;">
-        © 2024 Tim Nutri-Grade | Semua hak dilindungi undang-undang<br>
-        <a href="https://huggingface.co/spaces/your-username/nutri-grade" target="_blank" style="color: #007BFF; text-decoration: none;">
-            🤗 Hugging Face Repository
-        </a> | 
-        <a href="mailto:[email protected]" style="color: #007BFF; text-decoration: none;">
-            📧 Kontak
-        </a> | 
-        <a href="#" style="color: #007BFF; text-decoration: none;">
-            📋 Terms of Service
-        </a>
-    </p>
+<div style="border: 1px solid #dfe6e9; padding: 15px; border-radius: 10px; margin-top: 20px; background-color: #fafafa;">
+  <h4 style="text-align: center; color: #007BFF;">Tim Pengembang</h4>
+  <p><strong>Nicholas Dominic</strong>, Mentor - <a href="https://www.linkedin.com/in/nicholas-dominic" target="_blank">LinkedIn</a></p>
+  <p><strong>Tata Aditya Pamungkas</strong>, Machine Learning - <a href="https://www.linkedin.com/in/tata-aditya-pamungkas" target="_blank">LinkedIn</a></p>
+  <p><strong>Raihan Hafiz</strong>, Web Dev - <a href="https://www.linkedin.com/in/m-raihan-hafiz-91a368186" target="_blank">LinkedIn</a></p>
 </div>
-""", unsafe_allow_html=True)
+""", unsafe_allow_html=True)
+
+with st.expander("Rencana Pengembangan & Inovasi Selanjutnya 🚀"):
+    st.markdown("""
+    1.  **Infrastruktur yang Lebih Baik**: Migrasi ke server berbayar untuk meningkatkan kecepatan, stabilitas, dan kapasitas pengguna.
+    2.  **Fitur Food Recall**: Mengembangkan fitur untuk mencatat asupan makanan harian (*real food*), bukan hanya produk kemasan. Ide ini divalidasi setelah diskusi dengan nutritionist [Firza Marhamah](https://www.linkedin.com/in/firza-marhamah).
+    3.  **Kalkulator Kalori Harian**: Menambahkan fitur penghitung kebutuhan kalori harian yang dipersonalisasi berdasarkan data pengguna (usia, berat badan, tinggi badan, tingkat aktivitas).
+    """)