Update app.py

app.py

@@ -4,13 +4,13 @@ import nltk
 from nltk.tokenize import word_tokenize
 from nltk.corpus import stopwords
 
-# Download NLTK data
+# Download data NLTK
 nltk.download('punkt')
-nltk.download("stopwords")
+nltk.download('stopwords')
 
 # Buat objek terjemahan
 translator = pipeline("translation", model="Helsinki-NLP/opus-mt-id-en")
-terjemahkan = pipeline("translation", model="Helsinki-NLP/opus-mt-en-id")
+terjemah = pipeline("translation", model="Helsinki-NLP/opus-mt-en-id")
 pipe1 = pipeline("text-generation", model="TinyLlama/TinyLlama-1.1B-Chat-v1.0")
 pipe2 = pipeline("text-generation", model="SumayyaAli/tiny-llama-1.1b-chat-medical")
 
@@ -18,58 +18,58 @@ pipe2 = pipeline("text-generation", model="SumayyaAli/tiny-llama-1.1b-chat-medic
 def pra_pemrosesan_teks(teks):
     tokens = word_tokenize(teks)
     tokens = [token for token in tokens if token.isalnum()]  # Menghapus kata bukan alfanumerik
-    tokens = [token for token in tokens if token.lower() not in stopwords.words("indonesian")]  # Menghapus stopword
-    preprocessed_text = " ".join(tokens)
-    return preprocessed_text
+    tokens = [token for token in tokens if token.lower() not in stopwords.words('indonesian')]  # Menghapus stopword
+    teks_diproses = " ".join(tokens)
+    return teks_diproses
 
-# Streamlit UI
+# Antarmuka Streamlit
 st.title("Diagnosa Penyakit Berdasarkan Gejala")
 
 # Masukkan gejala, usia, dan jenis kelamin
 usia = st.number_input("Masukkan usia Anda:", min_value=0, max_value=120)
 jenis_kelamin = st.selectbox("Masukkan jenis kelamin Anda:", ["Laki-laki", "Perempuan"])
-teks_indonesia = st.text_area("Masukkan gejala Anda:")
+gejala_id = st.text_area("Masukkan gejala Anda:")
 
 if st.button("Diagnosa"):
-    if teks_indonesia and jenis_kelamin:
-        # Melakukan terjemahan gejala dari ID ke EN
-        terjemahan = translator(teks_indonesia, max_length=100)
-        terjemahan_inggris = terjemahan[0]["translation_text"]
-        
-        gabungan = f"I am {usia} years old, {jenis_kelamin}. And my current symptoms are {terjemahan_inggris}"
+    if gejala_id and usia and jenis_kelamin:
+        # Terjemahkan gejala dari Indonesia ke Inggris
+        terjemahan = translator(gejala_id, max_length=100)
+        gejala_en = terjemahan <sup> </sup>["translation_text"]
+
+        informasi_pasien = f"Saya berusia {usia} tahun, {jenis_kelamin}. Gejala yang saya alami adalah {gejala_en}"
 
         # Pesan untuk model
-        messages = [
-            {"role": "system", "content": "You are a doctor who needs to diagnose a patient's illness. Provide one diagnosis that you believe is most confident."},
-            {"role": "user", "content": f"Based on your assessment, {gabungan}, what illness could it be?"}
+        pesan = [
+            {"role": "system", "content": "Anda adalah seorang dokter yang perlu mendiagnosis penyakit pasien. Berikan satu diagnosis yang Anda yakini paling akurat."},
+            {"role": "user", "content": f"Berdasarkan informasi ini, {informasi_pasien}, apa penyakit yang mungkin saya derita?"}
         ]
-        
-        # Fungsi untuk mendapatkan content dari role 'assistant'
+
+        # Fungsi untuk mendapatkan konten dari role 'assistant'
         def get_assistant_content(response):
-            generated_text = response[0]['generated_text']
+            generated_text = response <sup> </sup>['generated_text']
             return generated_text
 
-        # Dapatkan response dari pipe1 (model TinyLlama)
-        response1 = pipe1(messages, num_return_sequences=1, truncation=True)
-        assistant_content1 = get_assistant_content(response1)
+        # Dapatkan respon dari pipe1 (model TinyLlama)
+        response1 = pipe1(pesan, num_return_sequences=1, truncation=True)
+        asisten_konten1 = get_assistant_content(response1)
 
-        # Dapatkan response dari pipe2 (model SumayyaAli)
-        response2 = pipe2(messages, num_return_sequences=1, truncation=True)
-        assistant_content2 = get_assistant_content(response2)
+        # Dapatkan respon dari pipe2 (model SumayyaAli)
+        response2 = pipe2(pesan, num_return_sequences=1, truncation=True)
+        asisten_konten2 = get_assistant_content(response2)
 
-        # Gabungkan hasil dari pipe1 dan pipe2 untuk pertanyaan final
-        kalimat = [{'role': 'user', 'content': f"{assistant_content1}. {assistant_content2}. Based on these two sentences, what is your final conclusion of my current symptom? Please provide a brief answer with one diagnosis."}]
+        # Gabungkan hasil dari pipe1 dan pipe2 untuk pertanyaan akhir
+        pertanyaan_akhir = [{'role': 'user', 'content': f"{asisten_konten1}. {asisten_konten2}. Berdasarkan dua kalimat ini, apa kesimpulan akhir Anda tentang gejala saya? Berikan jawaban singkat dengan satu diagnosis."}]
 
-        # Dapatkan hasil akhir dari diagnosis
-        hasil = pipe1(kalimat)
-        assistant_content3 = get_assistant_content(hasil)
+        # Dapatkan hasil akhir diagnosis
+        hasil_diagnosis = pipe1(pertanyaan_akhir)
+        asisten_konten3 = get_assistant_content(hasil_diagnosis)
 
         # Terjemahkan hasil akhir ke bahasa Indonesia
-        terjemahan_hasil = terjemahkan(assistant_content3, max_length=100)
-        diagnosa_terjemahan = terjemahan_hasil[0]["translation_text"]
+        terjemahan_hasil = terjamah(asisten_konten3, max_length=100)
+        diagnosa_terjemahan = terjemahan_hasil <sup> </sup>["translation_text"]
 
-        # Menampilkan hasil ke Streamlit
+        # Tampilkan hasil ke Streamlit
         st.subheader("Hasil Diagnosis:")
         st.write(f"Diagnosis: {diagnosa_terjemahan}")
     else:
-        st.error("Harap isi semua kolom sebelum menekan tombol Diagnosis.")
+        st.error("Harap isi semua kolom sebelum menekan tombol Diagnosa.")