Update src/streamlit_app.py

src/streamlit_app.py

@@ -5,7 +5,7 @@ import numpy as np
 st.set_page_config(page_title="SPK Lokasi Kedai Kopi", layout="wide")
 
 st.title("📊 Sistem Pendukung Keputusan Lokasi Kedai Kopi")
-st.markdown("Metode: *AHP*, **TOPSIS**, dan **Profile Matching**")
+st.markdown("Metode: *AHP, **TOPSIS, dan **Profile Matching*")
 
 # --- Step 1: Pilih Metode ---
 st.sidebar.header("⚙ Pengaturan")
@@ -26,110 +26,30 @@ if not criteria or not alternatives:
 # ---------------------------
 if method == "AHP":
     st.subheader("🔗 Perbandingan Berpasangan Antar Kriteria (AHP)")
-    
-    # pairwise_criteria_data = np.ones((len(criteria), len(criteria)))
-    # for i in range(len(criteria)):
-    #     for j in range(i + 1, len(criteria)):
-    #         pairwise_criteria_data[i, j] = 1.0
-    
-
-    #setup
-    n = len(alternatives)
-    
-    # Step 1: Buat matriks input kosong hanya untuk segitiga atas
-    upper_input = pd.DataFrame("", index=alternatives, columns=alternatives)
-    
-    for i in range(n):
-        for j in range(n):
-            if i >= j:
-                upper_input.iloc[i, j] = "-"  # Tidak bisa diedit
-            elif i < j:
-                upper_input.iloc[i, j] = ""
-    
-    st.subheader("📝 Input Segitiga Atas (Nilai Perbandingan Alternatif)")
-    user_input = st.data_editor(upper_input, key="input_matrix", num_rows="fixed")
-    
-    # Step 2: Buat matriks lengkap (isi diagonal 1, segitiga bawah = 1/segitiga atas)
-    final_pairwise_criteria_matrix = pd.DataFrame(np.ones((n, n)), index=alternatives, columns=alternatives)
-    valid = True
-    
-    try:
-        for i in range(n):
-            for j in range(n):
-                if i == j:
-                    filled_matrix.iloc[i, j] = 1.0
-                elif i < j:
-                    val = float(user_input.iloc[i, j])
-                    filled_matrix.iloc[i, j] = val
-                    filled_matrix.iloc[j, i] = round(1 / val, 4)
-    except:
-        valid = False
-        st.warning("❗ Pastikan semua nilai input valid dan merupakan angka (float/int).")
-    
-    # Step 3: Tampilkan matriks lengkap jika valid
-    if valid:
-        st.subheader("📐 Matriks Lengkap dengan Nilai Resiprokal")
-        st.dataframe(final_pairwise_criteria_matrix)
-    else:
-        st.info("Masukkan hanya nilai pada segitiga atas, misalnya angka seperti 3, 1/5, dsb.")
-
-    # soufiii
-    # n = len(alternatives)
-    # pairwise_criteria_data =  pd.DataFrame(np.ones((n, n)), index=alternatives, columns=alternatives)
-    # for i in range(n):
-    #     for j in range(n):
-    #         if i == j:
-    #             input_matrix.iloc[i, j] = 1.0
-    #         elif i < j:
-    #             input_matrix.iloc[i, j] = np.nan
-    #         else:
-    #             input_matrix.iloc[i, j] = None  # segitiga bawah disembunyikan
-
-    # # Step 2: Tampilkan hanya input segitiga atas
-    # st.subheader("📝 Masukkan Nilai Perbandingan Berpasangan (segitiga atas saja)")
-    # edited_matrix = st.data_editor(pairwise_criteria_data, key="pairwise_input")
-
-    # # Step 3: Proses segitiga bawah (otomatis hitung invers)
-    # filled_matrix = edited_matrix.copy()
-    # valid = True
-
-    # for i in range(n):
-    #     for j in range(n):
-    #         if i == j:
-    #             filled_matrix.iloc[i, j] = 1.0
-    #         elif i < j:
-    #             if pd.notna(edited_matrix.iloc[i, j]):
-    #                 filled_matrix.iloc[j, i] = round(1 / edited_matrix.iloc[i, j], 4)
-    #             else:
-    #                 valid = False
-
-    # # Step 4: Tampilkan hasil lengkap jika valid
-    # if valid:
-    #     st.subheader("📐 Matriks Lengkap dengan Nilai Resiprokal")
-    #     st.dataframe(filled_matrix)
-    # else:
-    #     st.warning("⚠️ Harap isi semua nilai pada segitiga atas sebelum melanjutkan.")
-    #      #sampai sini       
-  
-
-    # pairwise_criteria_df = pd.DataFrame(pairwise_criteria_data, index=criteria, columns=criteria)
-
-    # edited_pairwise_criteria_matrix = st.data_editor(
-    #     pairwise_criteria_df,
-    #     use_container_width=True,
-    #     key="pairwise_comparison_criteria_matrix",
-    #     hide_index=False,
-    # )
-
-    # # Reciprocity for criteria matrix
-    # final_pairwise_criteria_matrix = edited_pairwise_criteria_matrix.copy()
-    # for i in range(len(criteria)):
-    #     for j in range(i + 1, len(criteria)):
-    #         val = final_pairwise_criteria_matrix.iloc[i, j]
-    #         if val == 0:
-    #             val = 1e-9
-    #         final_pairwise_criteria_matrix.iloc[j, i] = 1 / val
-    #     final_pairwise_criteria_matrix.iloc[i, i] = 1.0
+
+    pairwise_criteria_data = np.ones((len(criteria), len(criteria)))
+    for i in range(len(criteria)):
+        for j in range(i + 1, len(criteria)):
+            pairwise_criteria_data[i, j] = 1.0
+
+    pairwise_criteria_df = pd.DataFrame(pairwise_criteria_data, index=criteria, columns=criteria)
+
+    edited_pairwise_criteria_matrix = st.data_editor(
+        pairwise_criteria_df,
+        use_container_width=True,
+        key="pairwise_comparison_criteria_matrix",
+        hide_index=False,
+    )
+
+    # Reciprocity for criteria matrix
+    final_pairwise_criteria_matrix = edited_pairwise_criteria_matrix.copy()
+    for i in range(len(criteria)):
+        for j in range(i + 1, len(criteria)):
+            val = final_pairwise_criteria_matrix.iloc[i, j]
+            if val == 0:
+                val = 1e-9
+            final_pairwise_criteria_matrix.iloc[j, i] = 1 / val
+        final_pairwise_criteria_matrix.iloc[i, i] = 1.0
 
     # Hitung bobot kriteria AHP
     weights_ahp_criteria = pd.Series(dtype='float64')
@@ -139,25 +59,28 @@ if method == "AHP":
             norm_matrix = numeric_criteria_matrix / numeric_criteria_matrix.sum()
             weights_ahp_criteria = norm_matrix.mean(axis=1)
             weights_ahp_criteria /= weights_ahp_criteria.sum()
-
+            
             st.write("🎯 Bobot Kriteria dari AHP:")
             st.dataframe(weights_ahp_criteria.round(3).to_frame(name="Bobot AHP"))
 
-            # Konsistensi kriteria
-            RI = {1:0, 2:0, 3:0.58, 4:0.90, 5:1.12, 6:1.24, 7:1.32, 8:1.41, 9:1.45, 10:1.49}
+            RI = {1: 0.00, 2: 0.00, 3: 0.58, 4: 0.90, 5: 1.12, 6: 1.24, 7: 1.32, 8: 1.41, 9: 1.45, 10: 1.49}
             n_criteria = len(criteria)
-            weighted_sum_vector_criteria = numeric_criteria_matrix @ weights_ahp_criteria
-            lambda_max_criteria = (weighted_sum_vector_criteria / weights_ahp_criteria).mean()
+            # Weighted Sum Vector (WSV)
+            wsv = numeric_criteria_matrix.dot(weights_ahp_criteria)
+            # λ_max manual: rata-rata dari WSV[i] / W[i]
+            lambda_max_criteria = (wsv / weights_ahp_criteria).mean()
+            # CI manual
             CI_criteria = (lambda_max_criteria - n_criteria) / (n_criteria - 1) if n_criteria > 1 else 0
+
             CR_criteria = np.nan
             if n_criteria in RI and RI[n_criteria] > 0:
                 CR_criteria = CI_criteria / RI[n_criteria]
 
             st.subheader("✅ Analisis Konsistensi Kriteria AHP")
-            st.write(f"$\lambda_{{max}} = {lambda_max_criteria:.2f}$")
-            st.write(f"CI = {CI_criteria:.3f}")
+            st.write(f"$\\lambda_{{max}} = {lambda_max_criteria:.10f}$")
+            st.write(f"CI = {CI_criteria:.10f}")
             if not np.isnan(CR_criteria):
-                st.write(f"CR = {CR_criteria:.3f}")
+                st.write(f"CR = {CR_criteria:.10f}")
                 if CR_criteria < 0.1:
                     st.success("Konsistensi Rasio Kriteria AHP *BAIK* (< 0.1)")
                 else:
@@ -220,9 +143,11 @@ if method == "AHP":
         except Exception as e:
             st.error(f"Error menghitung bobot alternatif pada kriteria {criterion}: {e}")
 
+elif method == "None":
+    st.subheader("Pilih Metode terlebih dahulu")
 else:
     # TOPSIS dan Profile Matching
-    st.subheader("📋 Input Nilai Alternatif terhadap Kriteria (Untuk TOPSIS/Profile Matching)")
+    st.subheader("📋 Input Nilai Alternatif terhadap Kriteria")
     empty_data = pd.DataFrame(np.nan, index=alternatives, columns=criteria)
     df = st.data_editor(empty_data, use_container_width=True, key="input_matrix")
     if df.isnull().values.any():