Update app.py

app.py

@@ -98,19 +98,19 @@ if st.button("Analisis Portofolio"):
                 st.write(portfolio_weights)
                 
                 # Pie Chart dengan filter saham dengan bobot signifikan
-filtered_weights = {k: v for k, v in portfolio_weights.items() if v > 0.01}
-fig, ax = plt.subplots()
-ax.pie(filtered_weights.values(), labels=filtered_weights.keys(), autopct='%1.1f%%', startangle=140)
-ax.axis('equal')
-st.pyplot(fig)
-
-st.markdown("""
-**Interpretasi Pie Chart:**
-- Pie chart ini menunjukkan distribusi bobot optimal dari setiap saham dalam portofolio.
-- Semakin besar persentase suatu saham, semakin besar porsi dana yang dialokasikan ke saham tersebut dalam portofolio optimal.
-- Saham dengan bobot nol berarti tidak termasuk dalam portofolio optimal karena tidak memberikan kombinasi return dan risiko yang menguntungkan.
-- Portofolio optimal didasarkan pada perhitungan rasio Sharpe, yang mencari keseimbangan terbaik antara return dan risiko.
-""")
+                filtered_weights = {k: v for k, v in portfolio_weights.items() if v > 0.01}
+                fig, ax = plt.subplots()
+                ax.pie(filtered_weights.values(), labels=filtered_weights.keys(), autopct='%1.1f%%', startangle=140)
+                ax.axis('equal')
+                st.pyplot(fig)
+                
+                st.markdown("""
+                **Interpretasi Pie Chart:**
+                - Pie chart ini menunjukkan distribusi bobot optimal dari setiap saham dalam portofolio.
+                - Semakin besar persentase suatu saham, semakin besar porsi dana yang dialokasikan ke saham tersebut dalam portofolio optimal.
+                - Saham dengan bobot nol berarti tidak termasuk dalam portofolio optimal karena tidak memberikan kombinasi return dan risiko yang menguntungkan.
+                - Portofolio optimal didasarkan pada perhitungan rasio Sharpe, yang mencari keseimbangan terbaik antara return dan risiko.
+                """)
                 
                 # Efficient Frontier
                 results = generate_efficient_frontier(mean_returns, cov_matrix)