app.py

import gradio as gr
import numpy as np
import tensorflow as tf
from sklearn.preprocessing import StandardScaler

# Load Model
model = tf.keras.models.load_model("model_makanan.h5")

# Normalizer untuk preprocessing input
scaler = StandardScaler()

def predict_halal_haram(kalori, gizi, vitamin, zat_besi):
    # Normalisasi input
    X_input = np.array([[kalori, gizi, vitamin, zat_besi]])
    X_scaled = scaler.fit_transform(X_input)

    # Prediksi model
    prediction = model.predict(X_scaled)[0][0]

    # Klasifikasi berdasarkan threshold 0.5
    hasil = "Haram" if prediction > 0.5 else "Halal"
    return f"Prediksi: {hasil} (Probabilitas: {prediction:.4f})"

# Buat UI Gradio
demo = gr.Interface(
    fn=predict_halal_haram,
    inputs=[
        gr.Number(label="Kalori"),
        gr.Number(label="Gizi"),
        gr.Number(label="Vitamin"),
        gr.Number(label="Zat Besi")
    ],
    outputs="text",
    title="Model Prediksi Makanan Halal atau Haram",
    description="Masukkan nilai kalori, gizi, vitamin, dan zat besi makanan, lalu klik 'Prediksi' untuk mengetahui apakah makanan tersebut Halal atau Haram."
)

# Jalankan aplikasi
demo.launch()