Update explanation_builder.py

explanation_builder.py

@@ -1,96 +1,179 @@
+# ======================================================================
+# --- explanation_builder.py ---
+# ======================================================================
+
 import random
 from typing import List, Dict, Any
 
 # ======================================================================
-# 1. "BANK TEMPLATE" 
+# 1. BANK TEMPLATE (Natural Language & Emoji)
 # ======================================================================
 EXPLANATION_TEMPLATES = {
     "pembuka": {
-        "Resiko Tinggi": "Saat ini profil Anda termasuk dalam kategori 'Risiko Tinggi'. Beberapa faktor utama teridentifikasi memberikan pengaruh besar terhadap hasil ini:",
-        "Resiko Sedang": "Profil Anda berada pada kategori 'Risiko Sedang'. Berikut beberapa hal yang menjadi pertimbangan utama dari hasil penilaian:",
-        "Resiko Rendah": "Profil Anda tergolong 'Risiko Rendah'. Secara umum hasil ini cukup baik, walau ada beberapa hal yang masih bisa ditingkatkan:",
-        "Aman": "Profil Anda diprediksi 'Aman', menunjukkan performa akademik yang stabil dan konsisten sejauh ini. Berikut beberapa faktor pendukungnya:",
-        "default": "Berikut adalah faktor-faktor yang menjadi pertimbangan sistem untuk kategori '{prediction_val}':"
+        "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'. Hal ini didorong oleh faktor-faktor berikut:",
+            "🛑 **Analisis Kritis:** Terdapat akumulasi faktor yang menempatkan Anda pada kategori 'Resiko Tinggi'. Mohon perhatikan poin-poin evaluasi ini:"
+        ],
+        "Resiko Sedang": [
+            "⚠️ **Waspada:** Profil Anda menunjukkan tanda-tanda 'Resiko Sedang'. Belum kritis, namun perlu perbaikan segera pada aspek berikut:",
+            "💡 **Perlu Evaluasi:** Sistem mendeteksi adanya ketidakstabilan yang memicu status 'Resiko Sedang'. Berikut adalah area yang perlu mendapat perhatian:",
+            "🚩 **Zona Kuning:** Anda berada di kategori 'Resiko Sedang'. Ada keseimbangan antara faktor positif dan negatif, namun poin berikut perlu diwaspadai:"
+        ],
+        "Resiko Rendah": [
+            "✅ **Cukup Aman:** Profil akademik Anda tergolong 'Resiko Rendah', namun tetap ada beberapa catatan kecil untuk menjaga konsistensi:",
+            "📈 **Progres Baik:** Secara umum performa Anda stabil di zona aman. Sistem hanya menyoroti beberapa hal minor berikut:",
+            "🛡️ **Terkendali:** Prediksi risiko Anda rendah. Pertahankan momentum ini, sambil memperhatikan sedikit catatan berikut:"
+        ],
+        "Aman": [
+            "🌟 **Sangat Baik:** Selamat! Rekam jejak akademik Anda sangat solid sehingga dikategorikan 'Aman'. Faktor pendukung utamanya adalah:",
+            "🚀 **Performa Unggul:** Sistem tidak mendeteksi masalah berarti. Prediksi 'Aman' ini didukung oleh pondasi akademik yang kuat berikut ini:",
+            "🏆 **Top Performance:** Data menunjukkan stabilitas yang sangat baik. Berikut adalah poin-poin kekuatan profil Anda:"
+        ],
+        "default": "🔍 Berikut adalah faktor-faktor analisis sistem untuk kategori '{prediction_val}':"
     },
     "fitur": {
+        # --- 1. PERFORMA TERKINI (IPS) ---
         "IPS_Terakhir": {
             "rendah": [
-                "Nilai IPS di semester terakhir masih sedikit di bawah target dan ikut memengaruhi hasil prediksi.",
-                "Performa di semester terakhir belum sepenuhnya optimal sehingga menjadi salah satu faktor pertimbangan."
+                "📉 **Penurunan Terkini:** IPS semester terakhir Anda tercatat **{value:.2f}**, yang berada di bawah ambang batas ideal.",
+                "⚠️ **Warning Semester Lalu:** Performa semester terakhir (**{value:.2f}**) menjadi kontributor utama risiko karena belum memenuhi standar aman.",
+                "🔻 **Butuh Boost:** Capaian IPS terakhir (**{value:.2f}**) terindikasi rendah, menyeret turun profil risiko Anda secara keseluruhan."
+            ],
+            "tinggi": [
+                "✅ **Momentum Positif:** IPS semester terakhir Anda (**{value:.2f}**) sangat solid, menunjukkan Anda sedang dalam performa yang baik.",
+                "📈 **Finish Kuat:** Capaian semester terakhir yang tinggi (**{value:.2f}**) menjadi sinyal kuat bahwa Anda mampu mengatasi beban studi.",
+                "🌟 **Nilai Kompetitif:** IPS terakhir di angka **{value:.2f}** memberikan bobot positif yang signifikan pada prediksi ini."
+            ]
+        },
+
+        # --- 2. PERFORMA KUMULATIF (IPK) ---
+        "IPK_Terakhir": {
+            "rendah": [
+                "🏗️ **Pondasi Rapuh:** IPK kumulatif saat ini (**{value:.2f}**) terdeteksi di zona yang memerlukan perbaikan segera.",
+                "📉 **Akumulasi Nilai:** Secara keseluruhan, IPK Anda (**{value:.2f}**) masih di bawah ambang batas aman sistem.",
+                "🆘 **Perhatian:** IPK Terakhir (**{value:.2f}**) adalah faktor dominan yang menempatkan Anda pada risiko ini."
             ],
             "tinggi": [
-                "IPS di semester terakhir menunjukkan hasil yang baik dan menggambarkan peningkatan performa.",
-                "Semester terakhir Anda berjalan dengan cukup baik, menjadi sinyal positif dalam penilaian ini."
+                "🏛️ **Pondasi Kokoh:** IPK kumulatif Anda (**{value:.2f}**) sangat baik dan menjadi penyangga utama profil akademik Anda.",
+                "🛡️ **Rekam Jejak Solid:** Konsistensi nilai yang tercermin dari IPK (**{value:.2f}**) menjauhkan Anda dari risiko akademik.",
+                "🎓 **Prestasi Stabil:** IPK di angka **{value:.2f}** menunjukkan pemahaman materi yang konsisten di atas rata-rata."
             ]
         },
+
+        # --- 3. KEGAGALAN MATA KULIAH ---
         "Jumlah_MK_Gagal": {
             "rendah": [
-                "Jumlah mata kuliah gagal yang sangat sedikit (atau bahkan tidak ada) menjadi poin positif penting.",
-                "Anda memiliki sedikit atau tidak ada MK gagal — hal ini menunjukkan konsistensi belajar yang bagus."
+                "✨ **Rekam Jejak Bersih:** Anda memiliki sedikit/tanpa mata kuliah gagal (Total: {value}), yang sangat bagus untuk kelancaran studi.",
+                "✅ **Efisiensi Studi:** Minimnya mata kuliah yang harus diulang (Total: {value}) adalah indikator positif yang kuat.",
+                "🛡️ **Bebas Hambatan:** Tidak adanya beban mata kuliah gagal yang signifikan menjaga risiko Anda tetap rendah."
             ],
             "tinggi": [
-                "Beberapa mata kuliah belum lulus dan menjadi salah satu faktor yang meningkatkan risiko.",
-                "Terdeteksi adanya MK gagal di atas batas wajar, yang memberi pengaruh cukup besar terhadap hasil ini."
+                "🎒 **Beban Mengulang:** Terdapat **{value}** mata kuliah gagal. Tumpukan beban ini meningkatkan risiko akademik secara signifikan.",
+                "🚧 **Hambatan Studi:** Jumlah mata kuliah gagal yang tinggi (**{value} MK**) terdeteksi sebagai 'red flag' utama dalam profil ini.",
+                "🚨 **Perlu Perbaikan:** Akumulasi **{value}** mata kuliah yang belum lulus menuntut perhatian ekstra untuk semester depan."
             ]
         },
-        "IPK_Terakhir": {
+        "Total_SKS_Gagal": {
+            "rendah": [
+                "✅ **Minim SKS Hangus:** Total SKS dari mata kuliah gagal sangat minim.", 
+                "✨ **Efektif:** Hampir seluruh SKS yang diambil berhasil lulus."
+            ],
+            "tinggi": [
+                "⚠️ **SKS Terbuang:** Total SKS gagal yang besar membebani rasio kelulusan Anda.", 
+                "🛑 **Warning SKS:** Banyak kredit SKS yang harus diulang."
+            ]
+        },
+
+        # --- 4. PROGRES SKS ---
+        "Total_SKS": {
             "rendah": [
-                "IPK kumulatif Anda saat ini masih bisa ditingkatkan agar hasil akademik lebih stabil.",
-                "Nilai IPK terakhir sedikit di bawah kisaran ideal dan menjadi salah satu pertimbangan sistem."
+                "⏳ **Progres Lambat:** Total SKS yang berhasil dikumpulkan (**{value}**) masih tertinggal dari target ideal tahap ini.",
+                "🐢 **Perlu Akselerasi:** Jumlah SKS lulus (**{value}**) tergolong sedikit, mengindikasikan perlunya strategi pengambilan SKS yang lebih optimal."
             ],
             "tinggi": [
-                "IPK kumulatif Anda sudah tergolong baik dan menjadi dasar yang kuat untuk hasil prediksi ini.",
-                "Nilai IPK Anda berada di kisaran aman dan mendukung hasil yang positif."
+                "🏃 **On-Track:** Tabungan SKS Anda (**{value}**) sudah cukup banyak, menandakan progres studi yang lancar.",
+                "🎯 **Target Tercapai:** Jumlah SKS lulus (**{value}**) sudah memenuhi standar progres yang diharapkan."
             ]
         },
+
+        # --- 5. TREN & KONSISTENSI ---
         "Tren_IPS_Slope": {
             "rendah": [
-                "Perubahan nilai IPS belum menunjukkan peningkatan yang stabil dari waktu ke waktu.",
-                "Tren performa Anda masih cenderung datar atau sedikit menurun, sehingga perlu perhatian lebih."
+                "📉 **Tren Menurun:** Analisis regresi menunjukkan grafik performa Anda cenderung melandai/turun belakangan ini.",
+                "⚠️ **Kehilangan Momentum:** Nilai *slope* tren akademik Anda negatif/rendah, waspadai penurunan semangat belajar."
             ],
             "tinggi": [
-                "Performa akademik Anda menunjukkan tren peningkatan yang konsisten dari waktu ke waktu.",
-                "Tren IPS yang meningkat menandakan adanya perkembangan positif dalam performa akademik Anda."
+                "🚀 **Tren Menanjak:** Grafik nilai Anda menunjukkan tren kenaikan (slope positif). Pertahankan semangat ini!",
+                "📈 **Perbaikan Konsisten:** Sistem mendeteksi pola kenaikan performa yang konsisten dari waktu ke waktu."
             ]
         },
+        "Rentang_IPS": {
+            "rendah": [
+                "⚖️ **Performa Stabil:** Fluktuasi nilai Anda kecil, menunjukkan konsistensi belajar yang baik.", 
+                "🔹 **Konsisten:** Tidak ada lonjakan atau penurunan drastis pada sejarah nilai."
+            ],
+            "tinggi": [
+                "🎢 **Nilai Fluktuatif:** Terdeteksi rentang nilai yang lebar (tidak stabil). Performa Anda cenderung naik-turun drastis.", 
+                "⚠️ **Inkonsistensi:** Ada semester di mana nilai sangat tinggi dan sangat rendah. Konsistensi perlu ditingkatkan."
+            ]
+        },
+
+        # --- 6. FITUR ONE-HOT (TREN KATEGORIKAL) ---
         "Tren_Menaik": {
-            "ya": "Performa Anda menunjukkan tren yang meningkat — ini pertanda sangat baik.",
-            "tidak": "Belum terlihat pola peningkatan yang konsisten sejauh ini."
+            "ya": "📈 **Grafik Positif:** Pola data Anda secara eksplisit dikategorikan sebagai tren 'Menaik'.",
+            "tidak": "🔸 **Tidak Ada Kenaikan:** Pola data saat ini tidak menunjukkan tren kenaikan yang signifikan."
         },
         "Tren_Menurun": {
-            "ya": "Terlihat adanya penurunan tren performa, yang sebaiknya segera diperhatikan.",
-            "tidak": "Tidak ada tanda penurunan performa yang berarti — ini hal yang positif."
+            "ya": "📉 **Peringatan Penurunan:** Pola data Anda secara eksplisit dikategorikan sebagai tren 'Menurun'. Segera lakukan evaluasi.",
+            "tidak": "✅ **Aman dari Penurunan:** Untungnya, profil Anda tidak menunjukkan pola tren 'Menurun'."
         },
         "Tren_Stabil": {
-            "ya": "Performa akademik Anda cukup stabil selama beberapa semester terakhir.",
-            "tidak": "Belum terlihat kestabilan nilai yang konsisten dalam beberapa periode terakhir."
+            "ya": "➡️ **Stagnan/Stabil:** Pola nilai Anda cenderung datar (Stabil). Ini bisa baik atau buruk tergantung nilai rata-ratanya.",
+            "tidak": "🔀 **Dinamis:** Profil nilai Anda tidak stagnan, ada pergerakan naik atau turun."
         },
+
+        # --- DEFAULT FALLBACK ---
         "default": {
-            "rendah": "Nilai {feature_name} berada di bawah kisaran aman ({value:.2f} <= {threshold:.2f}).",
-            "tinggi": "Nilai {feature_name} berada di atas kisaran yang diharapkan ({value:.2f} > {threshold:.2f})."
+            "rendah": "🔹 Nilai **{feature_name}** tercatat **{value:.2f}**, lebih rendah dari batas acuan ({threshold:.2f}).",
+            "tinggi": "🔸 Nilai **{feature_name}** tercatat **{value:.2f}**, lebih tinggi dari batas acuan ({threshold:.2f})."
         }
     }
 }
 
+
 # ======================================================================
-# 2. FUNGSI BUILDER 
+# 2. FUNGSI BUILDER (With Deduplication & Random Logic)
 # ======================================================================
 
 def build_explanation_from_rules(structured_rules: List[Dict], prediction_val: str) -> Dict[str, Any]:
     """
-    Merakit penjelasan yang dinamis dalam format terstruktur (Dict).
+    Merakit penjelasan dinamis dengan emoji, anti-duplikat, dan variasi kalimat.
     """
     try:
-        # 1. Pilih kalimat pembuka
-        opening_line = EXPLANATION_TEMPLATES["pembuka"].get(prediction_val, EXPLANATION_TEMPLATES["pembuka"]["default"].format(prediction_val=prediction_val))
+        # 1. Pilih Kalimat Pembuka (Random Choice dari List)
+        opening_templates = EXPLANATION_TEMPLATES["pembuka"].get(prediction_val)
+        
+        if not opening_templates:
+            # Fallback jika key prediksi tidak ditemukan di template
+            opening_line = EXPLANATION_TEMPLATES["pembuka"]["default"].format(prediction_val=prediction_val)
+        elif isinstance(opening_templates, list):
+            # Pilih salah satu variasi secara acak
+            opening_line = random.choice(opening_templates)
+        else:
+            # Jika ternyata cuma string tunggal
+            opening_line = opening_templates
         
         explained_rules_list = []
-        features_explained = set() 
-
-        # 2. Iterasi aturan SECARA TERBALIK (dari leaf ke root)
+        features_explained = set()  # Set untuk mencegah duplikasi faktor
+        
+        # 2. Iterasi aturan SECARA TERBALIK (dari Leaf -> Root)
+        # Tujuannya: Mengambil aturan yang paling spesifik (di ujung pohon) terlebih dahulu.
         for rule in reversed(structured_rules):
             feature = rule["feature"]
             
+            # LOGIKA ANTI-DUPLIKAT
+            # Jika fitur sudah dijelaskan oleh node yang lebih spesifik, skip node induknya.
             if feature in features_explained:
                 continue
             
@@ -99,20 +182,30 @@ def build_explanation_from_rules(structured_rules: List[Dict], prediction_val: s
             condition = rule["condition"]
             chosen_template = None
             
-            # Logika untuk Fitur OHE
+            # A. Logika untuk Fitur One-Hot (Tren) -> Ya/Tidak
             if feature in ["Tren_Menaik", "Tren_Menurun", "Tren_Stabil"]:
                 if condition == "tinggi":
                     chosen_template = EXPLANATION_TEMPLATES["fitur"][feature]["ya"]
                 else:
                     chosen_template = EXPLANATION_TEMPLATES["fitur"][feature]["tidak"]
             
-            # Logika untuk Fitur Normal
+            # B. Logika untuk Fitur Numerik -> Rendah/Tinggi
             else:
+                # Ambil template fitur, fallback ke default jika nama fitur tidak ada di bank template
                 feature_templates = EXPLANATION_TEMPLATES["fitur"].get(feature, EXPLANATION_TEMPLATES["fitur"]["default"])
+                
+                # Ambil template kondisi (rendah/tinggi)
                 condition_templates = feature_templates.get(condition)
                 
+                # Jika template berupa LIST (ada variasi kalimat), pilih satu acak
                 if isinstance(condition_templates, list):
-                    chosen_template = random.choice(condition_templates)
+                    template_str = random.choice(condition_templates)
+                    chosen_template = template_str.format(
+                        feature_name=feature,
+                        value=rule["value"],
+                        threshold=rule["threshold"]
+                    )
+                # Jika template berupa STRING tunggal
                 elif isinstance(condition_templates, str):
                     chosen_template = condition_templates.format(
                         feature_name=feature, 
@@ -123,19 +216,20 @@ def build_explanation_from_rules(structured_rules: List[Dict], prediction_val: s
             if chosen_template:
                 explained_rules_list.append(chosen_template)
 
-        # 3. Balikkan list agar urutannya logis (root ke leaf)
-        explained_rules_list.reverse()
+        # 3. Balikkan list agar urutannya logis (Penting -> Pendukung)
+        # Karena tadi kita iterasi dari bawah (reversed), hasilnya jadi terbalik.
+        # Sebenarnya urutan "Leaf first" (Paling spesifik dulu) seringkali lebih baik untuk dibaca.
+        # Namun jika ingin urutan flow Decision Tree (Root -> Leaf), uncomment baris di bawah:
+        # explained_rules_list.reverse() 
+        
         
-        # 4. Kembalikan sebagai DICT alih-alih string
         return {
             "opening_line": opening_line,
             "factors": explained_rules_list
         }
     
     except Exception as e:
-        # Kembalikan error dalam format yang sama
         return {
-            "opening_line": f"Gagal membuat penjelasan dinamis: {str(e)}",
+            "opening_line": f"⚠️ Maaf, terjadi kesalahan saat menyusun penjelasan: {str(e)}",
             "factors": []
-        }
-
+        }