explanation_builder.py

# ======================================================================
# --- explanation_builder.py (LOGIKA DIPERBAIKI & DIBERSIHKAN) ---
# ======================================================================

import random
from typing import List, Dict, Any

# Impor fungsi paragraf dari file terpisah
from .recommendation_builder import generate_recommendation_paragraph

# ======================================================================
# 1. KONFIGURASI NAMA FITUR (MAPPING)
# ======================================================================
# Dictionary ini mengubah nama variabel kode (raw) menjadi teks yang enak dibaca user.
FEATURE_LABEL_MAP = {
    # Fitur Utama
    "IPK_Terakhir": "IPK Semester Terakhir",
    "IPS_Terakhir": "IPS Semester Terakhir",
    "Total_SKS": "Total SKS Diambil",
    "IPS_Tertinggi": "Capaian IPS Tertinggi",
    "IPS_Terendah": "Capaian IPS Terendah",
    "Rentang_IPS": "Stabilitas Nilai (Rentang IPS)",
    "Jumlah_MK_Gagal": "Jumlah Mata Kuliah Gagal",
    "Total_SKS_Gagal": "Total SKS Gagal/Hangus",
    
    # Fitur Analitik/Tren
    "Tren_IPS_Slope": "Tren Perubahan Nilai",
    "Perubahan_Kinerja_Terakhir": "Perubahan Kinerja Terakhir",
    "IPK_Ternormalisasi_SKS": "Rasio Efisiensi IPK per SKS",
    
    # Fitur OHE (One Hot Encoding)
    "Tren_Menaik": "Pola Tren Menaik",
    "Tren_Menurun": "Pola Tren Menurun",
    "Tren_Stabil": "Pola Tren Stabil"
}

# ======================================================================
# 2. BANK TEMPLATE (Faktor / Poin-Poin)
# ======================================================================
EXPLANATION_TEMPLATES = {
    "pembuka": {
        "Resiko Tinggi": [
            "⚠️ Perhatian Serius Diperlukan: Sistem mendeteksi indikator risiko tinggi pada profil akademik Anda. Berikut adalah faktor krusial yang memicunya:",
            "🚨 Peringatan Dini: Berdasarkan pola data historis, performa Anda saat ini berada dalam zona 'Resiko Tinggi'.",
        ],
        "Resiko Sedang": [
            "⚠️ Waspada: Profil Anda menunjukkan tanda-tanda 'Resiko Sedang'. Belum kritis, namun perlu perbaikan segera.",
            "💡 Perlu Evaluasi: Sistem mendeteksi adanya ketidakstabilan yang memicu status 'Resiko Sedang'.",
        ],
        "Resiko Rendah": [
            "✅ Cukup Aman: Profil akademik Anda tergolong 'Resiko Rendah', namun tetap ada beberapa catatan kecil:",
            "📈 Progres Baik: Secara umum performa Anda stabil di zona aman. Sistem menyoroti beberapa hal minor:",
        ],
        "Aman": [
            "🌟 Sangat Baik: Selamat! Rekam jejak akademik Anda sangat solid sehingga dikategorikan 'Aman'.",
            "🚀 Performa Unggul: Sistem tidak mendeteksi masalah berarti. Prediksi 'Aman' didukung pondasi yang kuat.",
        ],
        "default": "🔍 Berikut adalah faktor-faktor analisis sistem untuk kategori '{prediction_val}':"
    },
    "fitur": {
        # --- (Template ini akan dipilih oleh logic Sanity Check di bawah) ---
        "IPS_Terakhir": {
            "rendah_parah": "📉 Penurunan Drastis: IPS semester terakhir ({value:.2f}) sangat rendah.",
            "rendah": "⚠️ Penurunan: IPS semester terakhir ({value:.2f}) berada di bawah ambang batas ideal.",
            "cukup": "✅ Cukup: IPS semester terakhir ({value:.2f}) tercatat di atas ambang batas kritis model.",
            "baik": "📈 Baik: Capaian IPS semester terakhir ({value:.2f}) memberikan kontribusi positif.",
            "tinggi": "🌟 Sangat Solid: IPS semester terakhir Anda ({value:.2f}) sangat baik."
        },
        "IPK_Terakhir": {
            "rendah_parah": "🆘 Zona Bahaya: IPK kumulatif ({value:.2f}) berada di bawah 2.00.",
            "rendah": "🏗️ Pondasi Rapuh: IPK kumulatif ({value:.2f}) terdeteksi di zona yang memerlukan perbaikan.",
            "cukup": "🛡️ Cukup Aman: IPK kumulatif ({value:.2f}) telah lolos ambang batas kritis model.",
            "baik": "🏛️ Pondasi Kokoh: IPK kumulatif ({value:.2f}) Anda tergolong baik.",
            "tinggi": "🏆 Prestasi: IPK kumulatif ({value:.2f}) Anda sangat solid."
        },
        "Jumlah_MK_Gagal": {
            "rendah": "✨ Rekam Jejak Bersih: Anda memiliki sedikit/tanpa mata kuliah gagal (Total: {value}).",
            "tinggi_sedikit": "🎒 Beban Mengulang: Terdapat {value} mata kuliah gagal yang perlu diwaspadai.",
            "tinggi_banyak": "🚨 Beban Berat: Terdapat {value} mata kuliah gagal. Tumpukan beban ini meningkatkan risiko."
        },
        "Tren_IPS_Slope": {
            "rendah": "📉 Tren Menurun: Grafik performa Anda cenderung melandai/turun.",
            "tinggi_sedikit": "📈 Tren Membaik: Grafik nilai Anda menunjukkan sedikit tren kenaikan (slope positif).",
            "tinggi_kuat": "🚀 Tren Menanjak: Grafik nilai Anda menunjukkan tren kenaikan yang kuat."
        },
        "Rentang_IPS": {
            "rendah": "⚖️ Performa Stabil: Fluktuasi nilai Anda kecil ({value:.2f}), menunjukkan konsistensi.",
            "tinggi": "🎢 Nilai Fluktuatif: Terdeteksi rentang nilai yang lebar ({value:.2f}) (tidak stabil)."
        },
        "Total_SKS_Gagal": {
            "rendah": "✅ Minim SKS Hangus: Total SKS dari mata kuliah gagal sangat minim ({value}).",
            "tinggi": "⚠️ SKS Terbuang: Total SKS gagal ({value}) cukup besar dan membebani rasio kelulusan."
        },
        "Total_SKS": {
            "rendah": "⏳ Progres Lambat: Total SKS ({value}) masih tertinggal dari target.",
            "tinggi": "🏃 On-Track: Tabungan SKS Anda ({value}) sudah cukup banyak."
        },
        # --- Fitur OHE ---
        "Tren_Menaik": { "ya": "📈 Grafik Positif: Pola data dikategorikan sebagai tren 'Menaik'." },
        "Tren_Menurun": { "ya": "📉 Peringatan Penurunan: Pola data dikategorikan sebagai tren 'Menurun'." },
        "Tren_Stabil": { "ya": "➡️ Stagnan/Stabil: Pola nilai Anda cenderung datar (Stabil)." },
        # --- Fallback (Generik) ---
        "default": {
            "rendah": "🔹 Nilai {feature_name} tercatat {value:.2f}, di bawah acuan ({threshold:.2f}).",
            "tinggi": "🔸 Nilai {feature_name} tercatat {value:.2f}, di atas acuan ({threshold:.2f})."
        }
    }
}

# ======================================================================
# 3. FUNGSI LOGIC PEMILIH TEKS
# ======================================================================
def _get_explanation_text(rule: Dict[str, Any]) -> str:
    """Memilih template FAKTOR yang paling sesuai berdasarkan NILAI ASLI."""
    
    raw_feature = rule["feature"]   # Contoh: "Perubahan_Kinerja_Terakhir"
    condition = rule["condition"]
    value = rule["value"]
    threshold = rule["threshold"]
    
    # [PERBAIKAN UTAMA] Translasi Nama Fitur
    # Jika nama ada di map, gunakan. Jika tidak, hilangkan underscore manual.
    readable_feature_name = FEATURE_LABEL_MAP.get(raw_feature, raw_feature.replace("_", " "))

    templates = EXPLANATION_TEMPLATES["fitur"]
    
    # 1. Fitur OHE
    if raw_feature in ["Tren_Menaik", "Tren_Menurun", "Tren_Stabil"]:
        key = "ya" if condition == "tinggi" else "tidak"
        # Kita hanya definisikan 'ya', jadi jika 'tidak' akan di-skip (return None)
        return templates.get(raw_feature, {}).get(key)

    # 2. Fitur Numerik (Sanity Check)
    chosen_template_key = ""
    if raw_feature == "IPS_Terakhir":
        if condition == "tinggi":
            if value < 2.75: chosen_template_key = "cukup" # Untuk 2.62
            elif value < 3.25: chosen_template_key = "baik" # Untuk 2.92
            else: chosen_template_key = "tinggi"
        else:
            if value < 2.0: chosen_template_key = "rendah_parah"
            else: chosen_template_key = "rendah"
            
    elif raw_feature == "IPK_Terakhir":
        if condition == "tinggi":
            if value < 2.75: chosen_template_key = "cukup" # Untuk 2.15
            elif value < 3.25: chosen_template_key = "baik" # Untuk 2.78
            else: chosen_template_key = "tinggi"
        else:
            if value < 2.0: chosen_template_key = "rendah_parah"
            else: chosen_template_key = "rendah"

    elif raw_feature == "Jumlah_MK_Gagal":
        if condition == "rendah": # (value 0)
            chosen_template_key = "rendah" 
        else: # tinggi
            if value <= 3: chosen_template_key = "tinggi_sedikit"
            else: chosen_template_key = "tinggi_banyak" # Untuk 4

    elif raw_feature == "Tren_IPS_Slope":
        if condition == "tinggi":
            if value < 0.1: chosen_template_key = "tinggi_sedikit" # Untuk 0.066
            else: chosen_template_key = "tinggi_kuat" # Untuk 0.125
        else:
            chosen_template_key = "rendah"
    
    # 3. Fallback Logic (Jika Sanity Check tidak menemukan key)
    if not chosen_template_key:
        if raw_feature in templates:
            # Jika fitur punya template khusus di dictionary 'fitur'
            chosen_template_key = condition 
        else:
            # Jika fitur benar-benar baru/tidak ada di dictionary, pakai DEFAULT.
            # Di sini kita gunakan 'readable_feature_name' agar output bersih.
            return templates["default"][condition].format(
                feature_name=readable_feature_name, 
                value=value, 
                threshold=threshold
            )

    # 4. Ambil template berdasarkan key yang sudah dipilih
    template_str = templates.get(raw_feature, {}).get(chosen_template_key)
    
    # 5. Handle jika key (misal 'cukup') ada logic-nya, tapi string templatenya belum dibuat
    if not template_str:
        # Fallback ke default 'tinggi'/'rendah' milik fitur tersebut
        template_str = templates.get(raw_feature, {}).get(condition)
        
        if not template_str: 
            # Jika 'rendah' pun tidak ada, kembali ke DEFAULT global
             return templates["default"][condition].format(
                feature_name=readable_feature_name, 
                value=value, 
                threshold=threshold
            )

    # Format string (jika template adalah list, pilih acak)
    if isinstance(template_str, list):
        template_str = random.choice(template_str)

    # Pastikan string tidak None sebelum di-format
    if not template_str:
        return None 

    # [PERBAIKAN] Inject readable_feature_name ke dalam format
    return template_str.format(
        feature_name=readable_feature_name, 
        value=value, 
        threshold=threshold
    )


# ======================================================================
# 4. FUNGSI BUILDER UTAMA (Facade)
# ======================================================================
def build_full_response(structured_rules: List[Dict[str, Any]], prediction_val: str) -> Dict[str, Any]:
    """
    Merakit respons lengkap: Poin Faktor + Paragraf Rekomendasi
    """
    try:
        # --- BAGIAN 1: BUAT POIN FAKTOR ---
        opening_templates = EXPLANATION_TEMPLATES["pembuka"].get(prediction_val)
        
        if not opening_templates:
            # Fallback jika key prediksi (misal 'Resiko Sedang') tidak ada
            default_template = EXPLANATION_TEMPLATES["pembuka"].get("default", "Analisis Faktor:")
            opening_line = default_template.format(prediction_val=prediction_val)
        elif isinstance(opening_templates, list):
            opening_line = random.choice(opening_templates)
        else:
            opening_line = opening_templates
        
        factors_list = []
        features_explained = set()
        
        for rule in reversed(structured_rules):
            feature = rule["feature"]
            if feature in features_explained: continue
            features_explained.add(feature)
            
            # Panggil fungsi yang sudah diperbaiki
            chosen_template = _get_explanation_text(rule)
            
            if chosen_template: # Hanya tambahkan jika string tidak None/Kosong
                factors_list.append(chosen_template)
        
        # --- BAGIAN 2: BUAT PARAGRAF REKOMENDASI ---
        recommendation_text = generate_recommendation_paragraph(prediction_val, structured_rules)
        
        # --- BAGIAN 3: GABUNGKAN ---
        return {
            "opening_line": opening_line,
            "factors": factors_list,
            "recommendation": recommendation_text
        }
    
    except Exception as e:
        return {
            "opening_line": f"⚠️ Maaf, terjadi kesalahan saat menyusun penjelasan: {str(e)}",
            "factors": [],
            "recommendation": "Gagal memuat rekomendasi personal."
        }