Update app.py

app.py

@@ -10,7 +10,6 @@ import os
 # --- KONFIGURASI API KEY DARI HUGGING FACE SECRETS ---
 API_CONFIGURED = False
 try:
-    # PASTIKAN NAMA SECRET ANDA ADALAH 'GEMINI_API_KEY', BUKAN 'GOOGLE_API_KEY'
     api_key = os.environ.get('GEMINI_API_KEY') 
     if api_key:
         genai.configure(api_key=api_key)
@@ -33,8 +32,7 @@ def ekstrak_teks_dari_pdf(path_file_pdf):
         raise gr.Error(f"Gagal membaca file PDF: {e}")
 
 def clean_and_parse_json(raw_text):
-    """Fungsi yang lebih andal untuk membersihkan dan mem-parsing JSON dari teks mentah."""
-    # Menemukan awal dan akhir blok JSON
+    """Fungsi andal untuk membersihkan dan mem-parsing JSON dari teks mentah."""
     start_index = raw_text.find('{')
     end_index = raw_text.rfind('}')
     if start_index == -1 or end_index == -1:
@@ -43,39 +41,42 @@ def clean_and_parse_json(raw_text):
     json_str = raw_text[start_index:end_index+1]
     return json.loads(json_str)
 
-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', [])])
-
+def format_output_markdown(hasil_penilaian):
+    """Menyusun hasil penilaian menjadi string Markdown yang rapi."""
+    skor = hasil_penilaian.get('skor_keseluruhan', 0)
+    penilaian = hasil_penilaian.get('penilaian_per_kategori', {})
+    kelebihan = "\n".join([f"- {poin}" for poin in hasil_penilaian.get('poin_kelebihan', [])])
+    perbaikan = "\n".join([f"- {poin}" for poin in hasil_penilaian.get('poin_perbaikan', [])])
+
+    # Membuat progress bar untuk setiap kategori
+    progress_bars = ""
+    for kategori, nilai in penilaian.items():
+        # Mengganti underscore dengan spasi dan membuat judul
+        nama_kategori = kategori.replace("_", " ").title()
+        progress_bars += f"**{nama_kategori}**\n`{'█' * int(nilai/10)}{'░' * (10 - int(nilai/10))}` {nilai}/100\n"
+        
     return f"""
-    ### HASIL ANALISIS KECOCOKAN KANDIDAT
-    **👤 Nama Kandidat:** {nama}
+    ### HASIL PENILAIAN CV ANDA
+    **⭐ Skor Keseluruhan: {skor} / 100**
     ***
-    **⭐ Skor Kecocokan:** {skor} / 10
-    
-    **📝 Ringkasan Analisis:**
-    {ringkasan}
-    
-    **✅ Poin Kekuatan Utama:**
-    {kekuatan}
+    {progress_bars}
+    ***
+    **✅ Hal yang Sudah Baik:**
+    {kelebihan}
     
-    **⚠️ Potensi Kelemahan / Pertanyaan Lanjutan:**
-    {kelemahan}
+    **💡 Poin yang Perlu Diperbaiki:**
+    {perbaikan}
     """
 
-def analyze_cv(cv_file, deskripsi_pekerjaan):
-    """Fungsi utama yang dijalankan oleh Gradio saat tombol ditekan."""
+def score_cv(cv_file):
+    """Fungsi utama yang dijalankan Gradio untuk menilai CV."""
     if not API_CONFIGURED:
         raise gr.Error("API Key Gemini belum terkonfigurasi. Periksa Logs aplikasi di Hugging Face.")
-    if cv_file is None or not deskripsi_pekerjaan.strip():
-        raise gr.Error("Mohon upload file CV (PDF) dan isi deskripsi pekerjaan.")
+    if cv_file is None:
+        raise gr.Error("Mohon upload file CV (PDF) Anda.")
 
     try:
-        print("--- Memulai Proses Analisis ---")
+        print("--- Memulai Proses Penilaian CV ---")
         
         print("1. Mengekstrak teks dari PDF...")
         teks_cv = ekstrak_teks_dari_pdf(cv_file.name)
@@ -83,51 +84,62 @@ def analyze_cv(cv_file, deskripsi_pekerjaan):
             raise gr.Error("PDF kosong atau tidak dapat dibaca.")
         print("✅ Teks berhasil diekstrak.")
 
-        print("2. Mengirim permintaan ekstraksi JSON ke Gemini...")
-        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)
-        parsed_json = clean_and_parse_json(response_ekstraksi.text)
-        print("✅ Ekstraksi JSON berhasil.")
-
-        print("3. Mengirim permintaan analisis kecocokan ke Gemini...")
-        prompt_analisis = f"Anda adalah Manajer Perekrutan. 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)
-        hasil_analisis = clean_and_parse_json(response_analisis.text)
-        print("✅ Analisis kecocokan berhasil.")
+        print("2. Mengirim permintaan penilaian ke Gemini...")
+        prompt_penilaian = f"""
+        Anda adalah seorang career coach dan perekrut profesional. Tugas Anda adalah menilai kualitas sebuah CV berdasarkan kriteria standar industri.
+        
+        Teks CV:
+        ---
+        {teks_cv}
+        ---
 
-        print("4. Menyusun output akhir...")
-        final_output = format_output_markdown(parsed_json, hasil_analisis)
+        Lakukan penilaian berdasarkan kriteria berikut dan berikan output dalam format JSON yang ketat.
+        
+        Kriteria Penilaian:
+        1.  Kelengkapan_Informasi (0-100): Apakah ada nama, kontak, ringkasan, pengalaman, pendidikan, dan skill?
+        2.  Keterbacaan_dan_Format (0-100): Apakah formatnya rapi, mudah dibaca, dan menggunakan bullet points dengan baik?
+        3.  Dampak_Pengalaman_Kerja (0-100): Apakah deskripsi pengalaman menggunakan kata kerja aktif dan hasil yang terukur (angka/metrik)? Semakin banyak metrik, semakin tinggi nilainya.
+        
+        Instruksi Output JSON:
+        Berikan output dalam format JSON dengan struktur berikut:
+        - "skor_keseluruhan": Rata-rata dari ketiga skor kategori (angka 0-100).
+        - "penilaian_per_kategori": Objek berisi skor untuk "kelengkapan_informasi", "keterbacaan_dan_format", dan "dampak_pengalaman_kerja".
+        - "poin_kelebihan": Sebuah array (list) berisi 2-3 poin positif dari CV ini.
+        - "poin_perbaikan": Sebuah array (list) berisi 3-4 poin saran yang paling penting dan actionable untuk meningkatkan kualitas CV.
+        
+        Pastikan output hanya berupa JSON saja tanpa teks tambahan.
+        """
+        response = model.generate_content(prompt_penilaian)
+        hasil_penilaian = clean_and_parse_json(response.text)
+        print("✅ Penilaian berhasil diterima.")
+
+        print("3. Menyusun output akhir...")
+        final_output = format_output_markdown(hasil_penilaian)
         print("--- Proses Selesai ---")
         return final_output
 
     except Exception as e:
-        print(f"🛑 ERROR DALAM FUNGSI ANALISIS: {e}")
+        print(f"🛑 ERROR DALAM FUNGSI PENILAIAN: {e}")
         raise gr.Error(f"Terjadi kesalahan: {e}")
 
 # --- 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.")
+    gr.Markdown("# 💡 Aplikasi Penilai Kualitas CV (CV Scorer)")
+    gr.Markdown("Upload CV Anda dalam format PDF untuk mendapatkan skor dan saran perbaikan instan berdasarkan standar industri.")
     
     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...")
-            with gr.Row():
-                clear_button = gr.ClearButton(value="Hapus Semua")
-                analyze_button = gr.Button("✨ Analisis Sekarang", variant="primary")
+            cv_pdf = gr.File(label="Upload CV Anda (PDF)", file_types=[".pdf"])
+            score_button = gr.Button("✨ Nilai CV Saya", variant="primary")
         
         with gr.Column(scale=2):
-            output_analysis = gr.Markdown(label="Hasil Analisis")
-    
-    # Menghubungkan tombol hapus ke semua komponen input dan output
-    clear_button.add([cv_pdf, job_desc, output_analysis])
-
-    analyze_button.click(
-        fn=analyze_cv,
-        inputs=[cv_pdf, job_desc],
-        outputs=[output_analysis],
-        show_progress='full' # Menampilkan status proses
+            output_score = gr.Markdown(label="Hasil Penilaian")
+            
+    score_button.click(
+        fn=score_cv,
+        inputs=[cv_pdf],
+        outputs=[output_score],
+        show_progress='full'
     )
 
 if __name__ == "__main__":