Update app.py

app.py

@@ -1,102 +1,102 @@
-import pandas as pd
-import numpy as np
-import gradio as gr
-import joblib
-from datetime import datetime
-
-# Load model, scaler, dan feature names
-model = joblib.load('random_forest_model.pkl')
-scaler = joblib.load('scaler.pkl')
-feature_names = joblib.load('feature_names.pkl')['feature_names']
-
-def predict_task_priority(task_name, duration, deadline_str):
-    try:
-        # Parse deadline string to calculate days
-        start_date = datetime.now()
-        try:
-            deadline = datetime.strptime(deadline_str, '%Y-%m-%d')
-        except:
-            return "Error: Format tanggal harus YYYY-MM-DD (contoh: 2024-12-31)"
-            
-        deadline_days = (deadline - start_date).days
-        
-        if deadline_days < 0:
-            return "Error: Deadline tidak boleh di masa lalu"
-        
-        # Buat DataFrame dengan feature names yang sesuai
-        input_data = pd.DataFrame({
-            'duration_hours': [duration],
-            'deadline_days': [deadline_days]
-        })
-        
-        # Transform menggunakan scaler
-        input_scaled = scaler.transform(input_data)
-        
-        # Predict
-        priority = model.predict(input_scaled)[0]
-        
-        priority_map = {
-            1: "Rendah",
-            2: "Sedang",
-            3: "Tinggi"
-        }
-        
-        # Generate response
-        response = f"Analisis Tugas: {task_name}\n"
-        response += f"Durasi: {duration} jam\n"
-        response += f"Deadline: {deadline_days} hari lagi\n"
-        response += f"Prioritas: {priority_map[priority]}\n\n"
-        
-        # Add recommendations
-        if priority == 3:
-            response += "Rekomendasi: Kerjakan segera! Deadline dekat dan membutuhkan waktu lama."
-        elif priority == 2:
-            response += "Rekomendasi: Buatlah jadwal yang tepat dan mulai kerjakan secara bertahap."
-        else:
-            response += "Rekomendasi: Dapat dikerjakan dengan lebih santai, tapi tetap pantau progress."
-            
-        return response
-    
-    except Exception as e:
-        return f"Error: {str(e)}"
-
-# Create Gradio interface
-iface = gr.Interface(
-    fn=predict_task_priority,
-    inputs=[
-        gr.Dropdown(
-            choices=[
-                "Meeting", 
-                "Bekerja", 
-                "Belajar", 
-                "Tugas Kuliah", 
-                "Proyek"
-            ],
-            label="Nama Tugas"
-        ),
-        gr.Slider(
-            minimum=1,
-            maximum=10,
-            value=5,
-            step=0.5,
-            label="Durasi Tugas (dalam jam)"
-        ),
-        gr.Textbox(
-            label="Deadline (YYYY-MM-DD)",
-            placeholder="Contoh: 2024-12-31",
-            info="Masukkan tanggal dalam format YYYY-MM-DD"
-        )
-    ],
-    outputs=gr.Textbox(label="Hasil Analisis", lines=6),
-    title="Sistem Prioritas Tugas",
-    description="""
-    Sistem ini akan membantu Anda menentukan prioritas tugas berdasarkan:
-    1. Durasi pengerjaan tugas
-    2. Jarak waktu ke deadline
-    
-    Hasil analisis akan memberikan rekomendasi pengelolaan waktu yang sesuai.
-    """
-)
-
-if __name__ == "__main__":
+import pandas as pd
+import numpy as np
+import gradio as gr
+import joblib
+from datetime import datetime
+
+# Load model, scaler, dan feature names
+model = joblib.load('random_forest_model.pkl')
+scaler = joblib.load('scaler.pkl')
+feature_names = joblib.load('feature_names.pkl')['feature_names']
+
+def predict_task_priority(task_name, duration, deadline_str):
+    try:
+        # Parse deadline string to calculate days
+        start_date = datetime.now()
+        try:
+            deadline = datetime.strptime(deadline_str, '%Y-%m-%d')
+        except:
+            return "Format tanggal harus YYYY-MM-DD"
+            
+        deadline_days = (deadline - start_date).days
+        
+        if deadline_days < 0:
+            return "Deadline tidak boleh di masa lalu"
+        
+        # Buat DataFrame dengan feature names yang sesuai
+        input_data = pd.DataFrame({
+            'duration_hours': [duration],
+            'deadline_days': [deadline_days]
+        })
+        
+        # Transform menggunakan scaler
+        input_scaled = scaler.transform(input_data)
+        
+        # Predict
+        priority = model.predict(input_scaled)[0]
+        
+        priority_map = {
+            1: "Rendah",
+            2: "Sedang",
+            3: "Tinggi"
+        }
+        
+        # Generate response
+        response = f"Analisis Tugas: {task_name}\n"
+        response += f"Durasi: {duration} jam\n"
+        response += f"Deadline: {deadline_days} hari lagi\n"
+        response += f"Prioritas: {priority_map[priority]}\n\n"
+        
+        # Add recommendations
+        if priority == 3:
+            response += "Rekomendasi: Kerjakan segera! Deadline dekat dan membutuhkan waktu lama."
+        elif priority == 2:
+            response += "Rekomendasi: Buatlah jadwal yang tepat dan mulai kerjakan secara bertahap."
+        else:
+            response += "Rekomendasi: Dapat dikerjakan dengan lebih santai, tapi tetap pantau progress."
+            
+        return response
+    
+    except Exception as e:
+        return f"Error: {str(e)}"
+
+# Create Gradio interface
+iface = gr.Interface(
+    fn=predict_task_priority,
+    inputs=[
+        gr.Dropdown(
+            choices=[
+                "Meeting", 
+                "Bekerja", 
+                "Belajar", 
+                "Tugas Kuliah", 
+                "Proyek"
+            ],
+            label="Nama Tugas"
+        ),
+        gr.Slider(
+            minimum=1,
+            maximum=10,
+            value=5,
+            step=0.5,
+            label="Durasi Tugas (dalam jam)"
+        ),
+        gr.Textbox(
+            label="Deadline",
+            placeholder="Contoh: 2024-12-31",
+            # info=""
+        )
+    ],
+    outputs=gr.Textbox(label="Hasil Analisis", lines=6),
+    title="Sistem Prioritas Tugas",
+    description="""
+    Sistem ini akan membantu Anda menentukan prioritas tugas berdasarkan:
+    1. Durasi pengerjaan tugas
+    2. Jarak waktu ke deadline
+    
+    Hasil analisis akan memberikan rekomendasi pengelolaan waktu yang sesuai.
+    """
+)
+
+if __name__ == "__main__":
     iface.launch()