Delete app.py

app.py

@@ -1,70 +0,0 @@
-import streamlit as st
-from transformers import AutoTokenizer, AutoModelForSequenceClassification
-import torch
-import time
-import joblib
-
-# Setup device
-device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
-
-# Load model dan tokenizer dari Hugging Face
-tokenizer = AutoTokenizer.from_pretrained("ketut/dKBLI")
-model = AutoModelForSequenceClassification.from_pretrained("ketut/dKBLI")
-model.to(device)
-
-# Coba memuat label_encoder (jika ada file lokal)
-try:
-    label_encoder = joblib.load("label_encoder.pkl")
-    st.write(f"Jumlah label dari label_encoder: {len(label_encoder.classes_)}")
-except FileNotFoundError:
-    # Jika label_encoder.pkl tidak ada, definisikan manual (sesuaikan dengan R201B)
-    st.warning("File label_encoder.pkl tidak ditemukan. Menggunakan contoh sementara.")
-    kbli_codes = ["47771", "47772", "47773"]  # GANTI DENGAN DAFTAR KODE KBLI ASLI
-    from sklearn.preprocessing import LabelEncoder
-    label_encoder = LabelEncoder()
-    label_encoder.fit(kbli_codes)
-
-# Cek jumlah label dari model untuk verifikasi
-st.write(f"Jumlah label dari model: {model.config.num_labels}")
-
-# Fungsi prediksi
-def predict_r201b(text_r201, text_r202, model, tokenizer, label_encoder, device):
-    combined_text = f"{text_r201} {text_r202}"
-    inputs = tokenizer(combined_text, padding=True, truncation=True, max_length=128, return_tensors="pt")
-    inputs = {key: val.to(device) for key, val in inputs.items()}
-    model.eval()
-    with torch.no_grad():
-        outputs = model(**inputs)
-    logits = outputs.logits
-    predicted_class = torch.argmax(logits, dim=-1).item()
-    # Debugging
-    st.write(f"Indeks prediksi: {predicted_class}")
-    try:
-        return label_encoder.inverse_transform([predicted_class])[0]
-    except ValueError:
-        return f"Error: Indeks {predicted_class} tidak ada di label_encoder"
-
-# Antarmuka Streamlit
-st.title("Pencari Kode KBLI")
-st.write("Masukkan Rincian 201 dan Rincian 202 untuk mendapatkan kode KBLI.")
-
-# Form input
-with st.form(key="kbli_form"):
-    r201 = st.text_input("Rincian 201 - Tuliskan secara lengkap jenis kegiatan utama (meliputi proses dan output)", value="Menjual Canang sari")
-    r202 = st.text_input("Rincian 202 - Produk utama (barang atau jasa) yang dihasilkan/dijual", value="Canang sari")
-    submit_button = st.form_submit_button(label="Cari Kode KBLI")
-
-# Proses setelah tombol ditekan
-if submit_button:
-    if r201 and r202:
-        with st.spinner("Memprediksi kode KBLI..."):
-            start_time = time.time()
-            prediction = predict_r201b(r201, r202, model, tokenizer, label_encoder, device)
-            inference_time = time.time() - start_time
-            st.success("Hasil Prediksi:")
-            st.write(f"**Rincian 201:** {r201}")
-            st.write(f"**Rincian 202:** {r202}")
-            st.write(f"**Kode KBLI:** {prediction}")
-            st.write(f"**Waktu Inferensi:** {inference_time:.6f} detik")
-    else:
-        st.warning("Harap isi kedua rincian sebelum mencari!")