Upload files to "/"

2026-11-02 01:41:24 -05:00
commit 0d28205930
4 changed files with 480 additions and 0 deletions
@@ -0,0 +1,146 @@
+import math
+import re
+from collections import Counter
+
+
+class KAIGapekaRAG:
+    """Sistem RAG Sederhana berbasis Pure Python untuk topik GAPEKA 2026 PT KAI."""
+
+    def __init__(self, knowledge_base):
+        print("[INFO] Menginisialisasi Basis Pengetahuan KAI Gapeka 2026...")
+        self.documents = knowledge_base
+        self.vocab = self._build_vocab(self.documents)
+        # Pra-penghitungan vektor TF-IDF untuk dokumen lokal
+        self.doc_vectors = [
+            self._compute_tfidf(doc, self.vocab, self.documents)
+            for doc in self.documents
+        ]
+
+    def _tokenize(self, text):
+        """Membersihkan teks dan memecahnya menjadi kata-kata (token)."""
+        return re.findall(r"\b\w+\b", text.lower())
+
+    def _build_vocab(self, docs):
+        """Membangun kamus kata unik dari seluruh dokumen."""
+        vocab = set()
+        for doc in docs:
+            vocab.update(self._tokenize(doc))
+        return sorted(list(vocab))
+
+    def _compute_tfidf(self, text, vocab, all_docs):
+        """Menghitung bobot TF-IDF secara manual tanpa library eksternal."""
+        tokens = self._tokenize(text)
+        tf = Counter(tokens)
+        total_tokens = len(tokens) if tokens else 1
+
+        vector = {}
+        for word in vocab:
+            # Term Frequency (TF)
+            term_freq = tf[word] / total_tokens
+
+            # Inverse Document Frequency (IDF)
+            doc_count = sum(1 for d in all_docs if word in self._tokenize(d))
+            idf = (
+                math.log(len(all_docs) / (doc_count + 1)) + 1 if doc_count > 0 else 0
+            )
+
+            vector[word] = term_freq * idf
+        return vector
+
+    def _cosine_similarity(self, vec1, vec2):
+        """Menghitung kemiripan kosinus antara dua vektor TF-IDF."""
+        intersection = set(vec1.keys()).intersection(set(vec2.keys()))
+        numerator = sum(vec1[x] * vec2[x] for x in intersection)
+
+        sum1 = sum(val ** 2 for val in vec1.values())
+        sum2 = sum(val ** 2 for val in vec2.values())
+        denominator = math.sqrt(sum1) * math.sqrt(sum2)
+
+        if denominator == 0:
+            return 0.0
+        return numerator / denominator
+
+    def retrieve(self, query, top_k=1):
+        """Mencari dokumen paling relevan menggunakan Cosine Similarity."""
+        query_vector = self._compute_tfidf(query, self.vocab, self.documents)
+        scores = []
+
+        for i, doc_vec in enumerate(self.doc_vectors):
+            score = self._cosine_similarity(query_vector, doc_vec)
+            scores.append((score, self.documents[i]))
+
+        # Urutkan berdasarkan skor tertinggi
+        scores.sort(key=lambda x: x[0], reverse=True)
+        return [doc for score, doc in scores[:top_k]]
+
+    def generate_answer(self, query):
+        """Tahap Generation: Menggabungkan hasil retrieval dengan format jawaban RAG."""
+        retrieved_docs = self.retrieve(query, top_k=1)
+        context = (
+            retrieved_docs[0]
+            if retrieved_docs
+            else "Maaf, informasi tidak ditemukan."
+        )
+
+        # Template Generator Extractive RAG
+        answer = (
+            f"==================================================\n"
+            f"HASIL GENERASI RAG - PT KERETA API INDONESIA (GAPEKA 2026)\n"
+            f"==================================================\n"
+            f"Pertanyaan : {query}\n\n"
+            f"Konteks Relevan (Retrieved):\n-> {context}\n\n"
+            f"Jawaban Sistem:\n"
+            f"Berdasarkan informasi resmi kebijakan GAPEKA 2026 PT KAI, "
+            f"berikut adalah detail informasinya:\n"
+            f'"{context}"\n'
+            f"=================================================="
+        )
+        return answer, retrieved_docs
+
+
+# ==========================================
+# EKSEKUSI PROGRAM UTAMA
+# ==========================================
+if __name__ == "__main__":
+    # 1. Dataset / Basis Pengetahuan Lokal KAI GAPEKA 2026
+    kai_kb = [
+        (
+            "PT Kereta Api Indonesia (KAI) resmi memberlakukan Grafik Perjalanan "
+            "Kereta Api (GAPEKA) 2026 mulai tanggal 1 Desember 2026."
+        ),
+        (
+            "Tiket perjalanan kereta api untuk jadwal GAPEKA 2026 sudah dapat "
+            "dipesan secara online melalui aplikasi Access by KAI."
+        ),
+        (
+            "Terdapat penyesuaian serta penyederhanaan nama pada beberapa "
+            "perjalanan kereta api agar lebih simpel dan mudah diingat oleh "
+            "penumpang."
+        ),
+        (
+            "KAI menambah titik pemberhentian di sejumlah stasiun untuk "
+            "mendukung mobilitas antarkota dan kawasan aglomerasi."
+        ),
+        (
+            "KAI menghadirkan layanan rute baru seperti KA Borobudur "
+            "(Lempuyangan–Gambir PP, fakultatif) dan KA Pandawa "
+            "(Yogyakarta–Semarang Tawang PP) yang mulai beroperasi pada 1 "
+            "Desember 2026."
+        ),
+    ]
+
+    # 2. Inisialisasi Sistem RAG
+    rag = KAIGapekaRAG(kai_kb)
+
+    # 3. Contoh Daftar Pengujian Pertanyaan Tugas RAG
+    daftar_pertanyaan = [
+        "Kapan GAPEKA 2026 mulai diberlakukan dan di mana bisa pesan tiketnya?",
+        "Apa saja rute kereta api baru yang dihadirkan KAI dalam GAPEKA 2026?",
+        "Bagaimana kebijakan terkait nama kereta api dalam GAPEKA 2026?"
+    ]
+
+    # 4. Menjalankan Pipeline Pengujian
+    for idx, sample_query in enumerate(daftar_pertanyaan, 1):
+        print(f"\n[PENGUJIAN {idx}]")
+        final_answer, sources = rag.generate_answer(sample_query)
+        print(final_answer)