app.py

import gradio as gr
import tensorflow as tf
import numpy as np

# 1. Load model TFLite Anda (pastikan file .tflite ada di folder yang sama)
interpreter = tf.lite.Interpreter(model_path="tiny_sentiment_model_imdb.tflite")
interpreter.allocate_tensors()

def predict_sentiment(text):
    # --- BAGIAN PENTING: PROSES TEXT ---
    # TFLite memerlukan teks diubah ke angka (tokenizing) sesuai cara Anda melatih model.
    # Contoh di bawah ini adalah placeholder logika inferensi:
    
    input_details = interpreter.get_input_details()
    output_details = interpreter.get_output_details()

    # (Opsional) Tambahkan kode tokenizing teks Anda di sini agar sesuai input_details
    # input_data = tokenizer(text) 
    
    # Jalankan model (contoh dummy input)
    # interpreter.set_tensor(input_details[0]['index'], input_data)
    interpreter.invoke()
    
    output_data = interpreter.get_tensor(output_details[0]['index'])
    prediction = output_data[0] # Misal: 0 untuk Negative, 1 untuk Positive

    return "Positive" if prediction > 0.5 else "Negative"

# 2. Buat UI Sederhana: 1 Input Box -> 1 Output Text
demo = gr.Interface(
    fn=predict_sentiment,
    inputs=gr.Textbox(label="Masukkan Kalimat", placeholder="Contoh: Saya sangat senang hari ini!"),
    outputs=gr.Textbox(label="Hasil Analisis"),
    title="Sentimen Analisis TFLite",
    allow_flagging="never"
)

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