Create app.py

app.py

@@ -0,0 +1,124 @@
+# Install dependensi yang dibutuhkan oleh Hugging Face Spaces
+#!pip install -q gradio google-generativeai pymupdf
+
+import gradio as gr
+import google.generativeai as genai
+import fitz  # PyMuPDF
+import json
+import os
+
+# --- KONFIGURASI API KEY DARI HUGGING FACE SECRETS ---
+# Pastikan Anda sudah mengatur Secret bernama 'GEMINI_API_KEY' di repository Space Anda
+try:
+    api_key = os.environ.get('GEMINI_API_KEY')
+    genai.configure(api_key=api_key)
+    print("✅ Konfigurasi API berhasil!")
+    model = genai.GenerativeModel('gemini-1.5-flash-latest')
+    print(f"✅ Model '{model.model_name}' berhasil diinisialisasi.")
+    API_CONFIGURED = True
+except (TypeError, ValueError) as e:
+    print(f"🛑 Error Konfigurasi API: Pastikan GEMINI_API_KEY sudah di-set di Secrets. Detail: {e}")
+    API_CONFIGURED = False
+except Exception as e:
+    print(f"🛑 Terjadi error tak terduga saat inisialisasi: {e}")
+    API_CONFIGURED = False
+
+# --- FUNGSI-FUNGSI UTAMA ---
+
+def ekstrak_teks_dari_pdf(path_file_pdf):
+    """Membuka file PDF dari path temporer dan mengekstrak teksnya."""
+    try:
+        dokumen = fitz.open(path_file_pdf)
+        teks_lengkap = "".join(halaman.get_text() for halaman in dokumen)
+        dokumen.close()
+        return teks_lengkap
+    except Exception as e:
+        raise gr.Error(f"Gagal membaca file PDF: {e}")
+
+def format_output_markdown(parsed_json, hasil_analisis):
+    """Menyusun hasil akhir menjadi string Markdown yang rapi."""
+    nama = parsed_json.get('nama_lengkap', 'N/A')
+    skor = hasil_analisis.get('skor_kecocokan', 'N/A')
+    ringkasan = hasil_analisis.get('ringkasan_analisis', 'N/A')
+    kekuatan = "\n".join([f"- {poin}" for poin in hasil_analisis.get('poin_kekuatan', [])])
+    kelemahan = "\n".join([f"- {poin}" for poin in hasil_analisis.get('potensi_kelemahan', [])])
+
+    markdown_output = f"""
+    ### HASIL ANALISIS KECOCOKAN KANDIDAT
+    **👤 Nama Kandidat:** {nama}
+    ***
+    **⭐ Skor Kecocokan:** {skor} / 10
+
+    **📝 Ringkasan Analisis:**
+    {ringkasan}
+
+    **✅ Poin Kekuatan Utama:**
+    {kekuatan}
+
+    **⚠️ Potensi Kelemahan / Pertanyaan Lanjutan:**
+    {kelemahan}
+    """
+    return markdown_output
+
+def analyze_cv(cv_file, deskripsi_pekerjaan):
+    """Fungsi utama yang dijalankan oleh Gradio saat tombol ditekan."""
+    if not API_CONFIGURED:
+        raise gr.Error("API Key Gemini belum terkonfigurasi. Hubungi pemilik aplikasi.")
+    if cv_file is None or not deskripsi_pekerjaan.strip():
+        raise gr.Error("Mohon upload file CV (PDF) dan isi deskripsi pekerjaan.")
+
+    print("1. Memulai ekstraksi teks dari PDF...")
+    teks_cv = ekstrak_teks_dari_pdf(cv_file.name) # cv_file.name adalah path temporer
+    if not teks_cv:
+        raise gr.Error("PDF kosong atau tidak dapat dibaca.")
+    
+    print("2. Memulai ekstraksi CV menjadi JSON...")
+    prompt_ekstraksi = f"Ekstrak informasi dari teks CV berikut dan sajikan dalam format JSON. Pastikan JSON memiliki struktur: nama_lengkap, kontak, ringkasan, keterampilan, pengalaman_kerja, dan pendidikan. Teks CV:\n---\n{teks_cv}\n---\nOutput harus berupa JSON saja."
+    response_ekstraksi = model.generate_content(prompt_ekstraksi)
+    try:
+        parsed_json = json.loads(response_ekstraksi.text.strip().replace('```json', '').replace('```', ''))
+    except (json.JSONDecodeError, AttributeError) as e:
+        raise gr.Error(f"Gagal mem-parsing CV menjadi JSON. Error: {e}\n\nRespons Mentah:\n{response_ekstraksi.text}")
+
+    print("3. Memulai analisis kecocokan...")
+    prompt_analisis = f"""
+    Anda adalah seorang Manajer Perekrutan senior. Analisis data kandidat (JSON) dan bandingkan dengan deskripsi pekerjaan.
+    Deskripsi Pekerjaan: {deskripsi_pekerjaan}
+    Data Kandidat (JSON): {json.dumps(parsed_json, indent=2)}
+    Instruksi: Berikan output JSON dengan struktur: skor_kecocokan, ringkasan_analisis, poin_kekuatan, potensi_kelemahan. Output harus JSON saja.
+    """
+    response_analisis = model.generate_content(prompt_analisis)
+    try:
+        hasil_analisis = json.loads(response_analisis.text.strip().replace('```json', '').replace('```', ''))
+    except (json.JSONDecodeError, AttributeError) as e:
+        raise gr.Error(f"Gagal menganalisis kecocokan. Error: {e}\n\nRespons Mentah:\n{response_analisis.text}")
+    
+    print("4. Menyusun output...")
+    return format_output_markdown(parsed_json, hasil_analisis)
+
+# --- MEMBUAT INTERFACE GRADIO ---
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown("# 🤖 Aplikasi Analisis CV Otomatis")
+    gr.Markdown("Upload CV dalam format PDF dan masukkan deskripsi pekerjaan untuk mendapatkan analisis kecocokan secara instan.")
+    
+    with gr.Row():
+        with gr.Column(scale=1):
+            cv_pdf = gr.File(label="1. Upload CV Anda (PDF)", file_types=[".pdf"])
+            job_desc = gr.Textbox(
+                lines=10, 
+                label="2. Masukkan Deskripsi Pekerjaan",
+                placeholder="Contoh:\nPosisi: Senior Backend Engineer\n\nKami mencari seorang Senior Backend Engineer dengan pengalaman minimal 4 tahun..."
+            )
+            analyze_button = gr.Button("✨ Analisis Sekarang", variant="primary")
+        
+        with gr.Column(scale=2):
+            output_analysis = gr.Markdown(label="Hasil Analisis")
+
+    analyze_button.click(
+        fn=analyze_cv,
+        inputs=[cv_pdf, job_desc],
+        outputs=[output_analysis]
+    )
+
+if __name__ == "__main__":
+    demo.launch()