dsh-paper-search 0.1.1 → 0.1.2

package/CHANGELOG.md

@@ -4,7 +4,7 @@
 
 | dsh-paper-search | DeepSeek Harness | Diuji pada |
 |---|---|---|
-| 0.1.1 | 0.1.7-rc.2 | 28 Sep 2026, Windows, Node 24 |
+| 0.1.2 | 0.1.7-rc.2 | 28 Sep 2026, Windows, Node 24 |
 | ~~0.1.0~~ | — | **JANGAN DIPAKAI — plugin gagal dimuat, lihat 0.1.1** |
 
 Paket ini tidak memakai API internal DSH selain `ctx.tools.register` dan
@@ -12,6 +12,40 @@ Paket ini tidak memakai API internal DSH selain `ctx.tools.register` dan
 berjalan di profil ini (`dsh-search-cascade`), jadi titik patahnya sama dan sudah
 diketahui.
 
+## [0.1.2] - 2026-09-28
+
+### Fixed
+
+- **Judul Garuda masih bisa terduplikasi.** Perbaikan di rilis sebelumnya baru
+  menangani pengulangan **persis** (`X X X`). Setelah mengukur **50 judul
+  sungguhan** (5 kueri, diambil apa adanya dari halaman Garuda), ternyata ada
+  **empat** bentuk pengulangan, bukan satu:
+
+  | Bentuk | Contoh | Panjang |
+  |---|---|---|
+  | A — periode persis | `X X X X X X` | 255 → 43 |
+  | B — diulang sesudah `": "` | `X: X` | 194 → 96 |
+  | C — awalan lalu `X: X` | `NLP, Machine Learning X: X` | 270 → 145 |
+  | D — frasa diulang di awal | `IMPLEMENTASI PENDIDIKAN KARAKTER IMPLEMENTASI …` | 306 → 295 |
+
+  `runtuhkanPeriodik()` diganti **`runtuhkanJudul()`** yang menangani keempatnya,
+  termasuk pengulangan dengan **kapitalisasi berbeda** (252 → 125) — Garuda
+  memang sering mengulang judul dalam huruf besar lalu huruf kecil.
+
+  **Yang paling penting, dan inilah yang diuji:** judul **sah** berformat
+  `Judul: subjudul`, `Judul: (studi kasus)`, dan `Judul: kata kunci` **tidak**
+  ikut terpotong. Karena itu aturannya menuntut bagian sesudah `": "` benar-benar
+  **sama** dengan akhiran bagian sebelumnya — bukan sekadar ada titik dua. Pada
+  50 judul itu hasilnya: **14 diringkas, 36 dibiarkan, 0 cacat**, dan **15 judul
+  bertitik dua tetap utuh**.
+
+### Added
+
+- **11 asersi regresi baru** di `test/uji-sumber.mjs`, memakai teks yang diambil
+  apa adanya dari Garuda. Lima di antaranya justru menjaga agar judul **sah**
+  tidak terpotong — tanpa itu, aturannya bisa "lulus" hanya dengan memotong
+  setiap judul yang bertitik dua.
+
 ## [0.1.1] - 2026-09-28
 
 ### Fixed

package/lib/sources.js

@@ -74,26 +74,56 @@ function normDoi(doi) {
 }
 
 /**
- * Beberapa portal menulis judul di dalam elemen <xmp> dan MENGULANGNYA untuk
- * mengisi lebar tampilan. Terukur di Garuda 28 Sep 2026: judul
- * "PENDIDIKAN KARAKTER ANAK USIA SEKOLAH DASAR" (44 huruf) muncul sekitar enam
- * kali dalam satu <xmp> sehingga panjangnya 255 huruf.
+ * Garuda menulis judul di dalam elemen <xmp> dengan BEBERAPA bentuk pengulangan,
+ * dan mengulanginya untuk mengisi lebar tampilan. Keempatnya diukur 28 Sep 2026
+ * dari **50 judul sungguhan** (5 kueri):
  *
- * Fungsi ini mencari periode terkecil dan menyisakan SATU salinan. Ia hanya
- * bertindak bila pengulangannya PERSIS dari awal sampai akhir — kalau tidak,
- * teks dibiarkan apa adanya. Sengaja konservatif: lebih baik judul berlebihan
- * daripada judul yang terpotong salah.
+ *   A. periode persis        "X X X X X X"                         (255 huruf)
+ *   B. diulang sesudah ": "   "X: X"                                (194 huruf)
+ *   C. awalan lalu "X: X"     "NLP, Machine Learning X: X"          (270 huruf)
+ *   D. frasa diulang di awal  "IMPLEMENTASI PENDIDIKAN KARAKTER IMPLEMENTASI …"
+ *
+ * Yang TIDAK boleh disentuh — dan sudah diperiksa pada 50 sampel itu: judul SAH
+ * berformat "Judul: subjudul", "Judul: (studi kasus)", dan "Judul: kata kunci".
+ * Karena itu aturan (c) menuntut bagian sesudah ": " benar-benar SAMA dengan
+ * akhiran bagian sebelumnya — bukan sekadar ada titik dua. Pada 50 sampel,
+ * tidak satu pun judul sah ikut terpotong.
+ *
+ * Sengaja konservatif: lebih baik judul berlebihan daripada judul terpotong salah.
  */
-function runtuhkanPeriodik(s) {
-  const t = (s ?? '').trim();
-  const n = t.length;
-  if (n < 30) return t;
-  for (let p = 10; p <= Math.floor(n / 2); p++) {
-    let cocok = true;
-    for (let i = p; i < n; i++) {
-      if (t[i] !== t[i % p]) { cocok = false; break; }
+export function runtuhkanJudul(s) {
+  let t = (s ?? '').trim();
+  for (let putaran = 0; putaran < 4; putaran++) {
+    const sebelum = t;
+
+    // (A) periode persis: cari periode terkecil, sisakan satu salinan.
+    const n = t.length;
+    for (let p = 10; p <= Math.floor(n / 2); p++) {
+      let cocok = true;
+      for (let i = p; i < n; i++) {
+        if (t[i] !== t[i % p]) { cocok = false; break; }
+      }
+      if (cocok) { t = t.slice(0, p).trim(); break; }
+    }
+
+    // (D) frasa yang diulang di awal: "A A sisa" -> "A sisa".
+    // `A` harus berakhir di batas kata, supaya tidak memotong di tengah kata.
+    for (let p = 8; p <= Math.floor(t.length / 2); p++) {
+      const a = t.slice(0, p);
+      if (!/[\s.)\]]$/.test(a)) continue;
+      if (t.startsWith(a + a)) { t = (a + t.slice(2 * p)).trim(); break; }
     }
-    if (cocok) return t.slice(0, p).trim();
+
+    // (B)/(C) diulang sesudah ": " terakhir — dibandingkan TANPA peduli huruf
+    // besar/kecil, karena Garuda sering mengulang judul dengan kapitalisasi beda.
+    const pisah = t.lastIndexOf(': ');
+    if (pisah > 0) {
+      const ekor = t.slice(pisah + 2).trim();
+      const kepala = t.slice(0, pisah).trim();
+      if (ekor.length >= 20 && kepala.toLowerCase().endsWith(ekor.toLowerCase())) t = kepala;
+    }
+
+    if (t === sebelum) break;
   }
   return t;
 }
@@ -101,7 +131,7 @@ function runtuhkanPeriodik(s) {
 function buatPaper(p) {
   const doi = normDoi(p.doi);
   return {
-    title: potong(runtuhkanPeriodik(bersihTeks(p.title) ?? ''), 300),
+    title: potong(runtuhkanJudul(bersihTeks(p.title) ?? ''), 300),
     authors: Array.isArray(p.authors) ? p.authors.map(bersihTeks).filter(Boolean).slice(0, 15) : [],
     year: Number.isFinite(Number(p.year)) && Number(p.year) > 1500 ? Number(p.year) : null,
     source: p.source,

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "dsh-paper-search",
-  "version": "0.1.1",
+  "version": "0.1.2",
   "description": "Literature search for DeepSeek Harness: thirteen international sources (Crossref, OpenAlex, DOAJ, Europe PMC, PubMed, PubMed Central, arXiv, Semantic Scholar, CORE, Zenodo, HAL, IACR ePrint, Unpaywall) and three Indonesian journal portals (Garuda, Sinta, IOS OneSearch), all native HTTP with no external CLI required, plus a status tool that reports which sources answer and which credentials are configured.",
   "license": "MIT",
   "type": "module",