import gradio as gr
import networkx as nx
import matplotlib
import matplotlib.pyplot as plt
import random

# Gunakan backend 'Agg' agar aman di server
matplotlib.use('Agg')

# ==========================================
# 1. PERSIAPAN DATA JARINGAN (SIMULASI TWITTER)
# ==========================================
# Kita membuat graf simulasi (Scale-free network) yang karakteristiknya 
# sangat mirip dengan jaringan media sosial di dunia nyata.
def create_twitter_network():
    # Membuat 75 akun (nodes)
    G = nx.barabasi_albert_graph(75, 2, seed=42)
    
    # Memberi nama unik bergaya Twitter
    mapping = {i: f"@User_{i+1}" for i in range(75)}
    G = nx.relabel_nodes(G, mapping)
    return G

G = create_twitter_network()

# Mendapatkan daftar semua pengguna untuk dropdown
all_users = list(G.nodes())

# ==========================================
# 2. FUNGSI ANALISIS & VISUALISASI
# ==========================================
def analyze_network(target_user):
    fig, ax = plt.subplots(figsize=(10, 8))
    
    # Menentukan posisi setiap titik agar rapi
    pos = nx.spring_layout(G, seed=42)
    
    # Gambar semua garis koneksi (Retweet/Mention)
    nx.draw_networkx_edges(G, pos, alpha=0.15, ax=ax)
    
    # Logika untuk mewarnai target user dan koneksinya
    node_colors = []
    node_sizes = []
    
    for node in G.nodes():
        if node == target_user:
            node_colors.append('#e74c3c') # Merah untuk user yang dipilih
            node_sizes.append(400)
        elif G.has_edge(target_user, node):
            node_colors.append('#f39c12') # Oranye untuk akun yang berinteraksi dengannya
            node_sizes.append(150)
        else:
            node_colors.append('#3498db') # Biru untuk akun lain
            node_sizes.append(30)
            
    nx.draw_networkx_nodes(G, pos, node_color=node_colors, node_size=node_sizes, ax=ax)
    
    # Beri label (nama) HANYA untuk user yang dipilih dan koneksi langsungnya agar tidak penuh
    labels = {n: n for n in G.nodes() if n == target_user or G.has_edge(target_user, n)}
    nx.draw_networkx_labels(G, pos, labels=labels, font_size=9, font_weight="bold", ax=ax)
    
    ax.set_title("🌐 Peta Jaringan Interaksi Twitter", fontsize=14)
    ax.axis('off')
    fig.tight_layout()
    
    # Hitung metrik jaringan (Degree Centrality untuk mencari influencer)
    degree_dict = dict(G.degree())
    top_influencer = max(degree_dict, key=degree_dict.get)
    koneksi_target = degree_dict[target_user]
    
    # Output teks analisis
    analisis_teks = f"""
    ### 📊 Hasil Analisis Jaringan
    * **Top Influencer Global:** `{top_influencer}` (Akun dengan interaksi terbanyak di jaringan ini).
    * **Status `{target_user}`:** Memiliki koneksi langsung dengan **{koneksi_target} akun lain**.
    """
    
    return fig, analisis_teks

# ==========================================
# 3. ANTARMUKA GRADIO
# ==========================================
with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown("""
    <h1 style='text-align: center;'>🐦 Twitter Network Analysis</h1>
    <p style='text-align: center;'>Aplikasi <i>Social Network Analysis</i> untuk memetakan penyebaran informasi, melihat hubungan antar akun, dan mendeteksi <i>Key Opinion Leaders</i> (KOL) dalam sebuah percakapan.</p>
    """)
    
    with gr.Row():
        total_nodes = G.number_of_nodes()
        total_edges = G.number_of_edges()
        
        gr.Textbox(value=f"{total_nodes} Akun", label="👥 Total Partisipan", interactive=False)
        gr.Textbox(value=f"{total_edges} Interaksi", label="🔄 Total Retweet/Mention", interactive=False)
    
    gr.Markdown("---")
    
    with gr.Row():
        with gr.Column(scale=1):
            gr.Markdown("### 🔍 Investigasi Akun")
            gr.Markdown("Pilih satu akun untuk melihat peta sebaran pengaruhnya (Koneksi tingkat pertama).")
            # Dropdown dengan nilai default akun pertama
            user_dropdown = gr.Dropdown(choices=all_users, value=all_users[0], label="Pilih Akun Twitter:")
            
            # Tempat menampilkan teks kesimpulan analisis
            out_text = gr.Markdown()
            
        with gr.Column(scale=2):
            # Tempat menampilkan grafik jaringan
            out_plot = gr.Plot(label="Visualisasi Graf Network")

    # Interaktivitas
    user_dropdown.change(
        fn=analyze_network,
        inputs=user_dropdown,
        outputs=[out_plot, out_text]
    )
    
    # Load pertama kali
    demo.load(
        fn=analyze_network,
        inputs=user_dropdown,
        outputs=[out_plot, out_text]
    )

if __name__ == "__main__":
    demo.launch()