prpm-dbp 0.11.1 → 0.13.0

package/SKILL.md

@@ -176,6 +176,7 @@ Ia mati secara lalai kerana ketepatannya diukur, bukan diandaikan. Diuji terhada
 | `di-` | 2,435 | 92% |
 | `se-` | 1,605 | 90% |
 | `ke-` | 976 | 88% |
+| `-kan` | 3,046 | 92% |
 
 Sebahagian kegagalan itu artifak ukuran (`tamu` bukan `ta`+`mu`), jadi ketepatan sebenar lebih tinggi. Walaupun begitu, 98% tidak cukup untuk menjana ejaan secara senyap dalam alat yang seluruh tujuannya menghalang Jawi yang nampak betul tetapi salah.
 
@@ -187,7 +188,9 @@ $ npx prpm-dbp jawi nota.txt --pedoman
 dijana ikut Pedoman, BELUM disahkan DBP (1): Abadinya=اباديڽ [Pedoman DBP §15.1]
 ```
 
-Peraturan yang dilaksanakan: §13.5-13.7 (awalan `di-`, `se-`, `ke-`), §13.10 (tiga cara akhiran `-an`), §13.11 (tiga cara akhiran `-i`), §15.1 (kata ganti singkat `ku`, `mu`, `nya`).
+Peraturan yang dilaksanakan: §13.5-13.7 (awalan `di-`, `se-`, `ke-`), §13.9 (akhiran `-kan`), §13.10 (tiga cara akhiran `-an`), §13.11 (tiga cara akhiran `-i`), §15.1 (kata ganti singkat `ku`, `mu`, `nya`).
+
+**Awas terhadap nota panduan tidak rasmi.** Nota sekolah sering menyatakan "huruf alif ditambah semula apabila menerima imbuhan" sebagai peraturan menyeluruh. Diuji terhadap data sebenar, itu tidak benar: `suka` سوک menjadi `sukakan` سوککن dan `lukanya` لوکڽ, kedua-duanya tanpa alif. Penambahan alif berlaku bagi `-an` dan `-i` sahaja, menurut Catatan §13.10(ii) dan §13.11(i).
 
 **Kodpoint setiap imbuhan disahkan empirik daripada dataset, bukan dibaca daripada peraturan.** Hamzah dalam akhiran ialah `ء` U+0621 berdiri sendiri, manakala dalam awalan ia `أ` U+0623 di atas alif. Peraturan bertulis tidak membezakan dua itu.
 
@@ -272,6 +275,29 @@ Siri yang sama membezakan kaf Arab daripada kaf Jawi secara eksplisit, iaitu per
 
 Buku itu berhak cipta terpelihara (PNM). Ia dirujuk di sini sebagai pengesahan, bukan disalin.
 
+## Homograf
+
+Ejaan Jawi menggunakan empat huruf vokal berbanding enam dalam Rumi, jadi perkataan berbeza kerap berkongsi ejaan. Diukur pada 64,251 ejaan Jawi dalam data: **2,009 (3%) ialah homograf**.
+
+Panduan DBP membahagikannya kepada dua:
+
+| Jenis | Layanan | Contoh |
+|---|---|---|
+| **Hakiki** | **dibenarkan kekal**, tidak dibezakan | `biru`/`biro` بيرو, `burung`/`borong` بوروڠ, `satu`/`sato` ساتو |
+| **Tidak hakiki** | dibezakan dengan alif | `kampung` کامڤوڠ / `kempung` کمڤوڠ |
+
+Jenis kedua ialah Pedoman §8.17 (juga Klinik Jawi Siri ke-35): alif melambangkan [a] di suku kata tertutup untuk membezakannya daripada pepet yang tidak dilambangkan. **Ejaan DBP sudah mengandungi peraturan ini**, jadi pakej tidak perlu menjananya. Sembilan pasangan rujukan diuji, kesemuanya dibezakan dengan betul.
+
+Jenis pertama pula tidak boleh diselesaikan oleh mana-mana peraturan. Itulah sebab `rumi` melaporkan semua calon dan enggan memilih: bagi homograf hakiki, DBP sendiri menyatakan kekaburan itu dibenarkan dan hanya konteks ayat boleh menyelesaikannya.
+
+`--homograf` menandakan perkataan yang ejaan Jawinya dikongsi, supaya penulis tahu sebelum menghantar bahawa pembaca akan bergantung pada konteks:
+
+```
+$ npx prpm-dbp jawi nota.txt --homograf
+اݢام ايت ساتو دان بوروڠ تربڠ.
+homograf, ejaan Jawi dikongsi (3): اݢام=agama/igama, ساتو=satu/sato, بوروڠ=burung/borong
+```
+
 ## Rantai kepercayaan
 
 Setiap ejaan Jawi yang dikeluarkan membawa asal-usulnya. Jangan runtuhkan lapisan ini.

package/bin/cli.js

@@ -36,6 +36,7 @@ const BANTUAN = `prpm-dbp — semak Bahasa Melayu dan Jawi terhadap PRPM DBP
 Pilihan: --refresh  --had <n>  --delay <ms>  --json  --cepat
          --pedoman       jana imbuhan ikut peraturan DBP (88-98% tepat, hasil ditanda)
          --luar-talian   jangan sentuh rangkaian langsung (wajib untuk laluan permintaan app)
+         --homograf      tandakan perkataan yang ejaan Jawinya dikongsi perkataan lain
 
 Cache: ${CACHE_PATH}
 `
@@ -51,6 +52,7 @@ function huraiArgs(argv) {
     else if (a === '--cepat') pilihan.cepat = true
     else if (a === '--pedoman') pilihan.pedoman = true
     else if (a === '--luar-talian') pilihan.luarTalian = true
+    else if (a === '--homograf') pilihan.homograf = true
     else if (a === '--jenis') pilihan.jenis = argv[++i]
     else if (a === '--had') pilihan.had = Number(argv[++i])
     else if (a === '--delay') pilihan.delay = Number(argv[++i])
@@ -164,6 +166,7 @@ async function main() {
         ...opts,
         cubaDasar: !pilihan.cepat,
         janaImbuhan: pilihan.pedoman,
+        semakHomograf: pilihan.homograf,
       })
       await saveCache(cache)
       if (pilihan.json) { keluar(h); break }
@@ -183,6 +186,12 @@ async function main() {
             h.dijanaPedoman.map((x) => `${x.kata}=${x.jawi} [${x.rujukan}]`).join(', '),
         )
       }
+      if (h.homograf?.length) {
+        console.error(
+          `homograf, ejaan Jawi dikongsi (${h.homograf.length}): ` +
+            h.homograf.map((x) => `${x.jawi}=${x.dikongsi.join('/')}`).join(', '),
+        )
+      }
       if (h.akronim.length) {
         console.error(`akronim, dikekalkan Rumi (${h.akronim.length}): ${h.akronim.join(', ')}`)
       }

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "prpm-dbp",
-  "version": "0.11.1",
+  "version": "0.13.0",
   "description": "Semak ejaan Bahasa Melayu dan Jawi terhadap PRPM Dewan Bahasa dan Pustaka. CLI dan skill untuk AI agent.",
   "keywords": [
     "bahasa-melayu",

package/src/pedoman.js

@@ -185,6 +185,21 @@ export function imbuhAkhiranI(jawiDasar, rumiDasar) {
   return { jawi: jawiDasar + YA, rujukan: 'Pedoman DBP §13.11(iii)' }
 }
 
+/**
+ * §13.9 — Akhiran -kan ditulis kaf-nun, dilekatkan terus tanpa perubahan
+ * pada kata dasar.
+ *
+ * Nota panduan sekolah sering menyatakan "huruf alif ditambah semula apabila
+ * menerima imbuhan". Itu terlalu menyeluruh: diuji terhadap data sebenar,
+ * suka سوک menjadi sukakan سوککن dan lukanya لوکڽ, tanpa alif. Penambahan
+ * alif berlaku bagi -an dan -i sahaja, menurut Catatan §13.10(ii) dan
+ * §13.11(i).
+ */
+export function imbuhAkhiranKan(jawiDasar) {
+  if (!jawiDasar) return null
+  return { jawi: jawiDasar + 'کن', rujukan: 'Pedoman DBP §13.9' }
+}
+
 /**
  * §15.1 — Kata ganti singkat ditulis serangkai dengan kata di depannya.
  *   ku  -> kaf-wau      mu -> mim-wau      nya -> nya

package/src/tukar.js

@@ -14,6 +14,7 @@ import { cariDataset, muatDataset } from './dataset.js'
 import { cariNama, mungkinAkronim, mungkinNamaKhas } from './nama.js'
 import {
   imbuhAkhiranAn,
+  imbuhAkhiranKan,
   imbuhAkhiranI,
   imbuhAwalan,
   imbuhGanti,
@@ -113,6 +114,11 @@ async function janaIkutPedoman(kata, cache, opts, gunaDataset) {
     if (hasil) return hasil
   }
 
+  if (kata.endsWith('kan') && kata.length > 5) {
+    const hasil = imbuhAkhiranKan(await ejaan(kata.slice(0, -3)))
+    if (hasil) return hasil
+  }
+
   if (kata.endsWith('an') && kata.length > 4) {
     const dasar = kata.slice(0, -2)
     const hasil = imbuhAkhiranAn(await ejaan(dasar), dasar)
@@ -212,7 +218,13 @@ export function pilihCalon(masuk) {
  * Perkataan yang tidak disahkan dibalut penanda, tidak pernah direka.
  */
 export async function keJawi(teks, cache, opts = {}) {
-  const { penanda = ['«', '»'], cubaDasar = true, gunaDataset = true, janaImbuhan = false } = opts
+  const {
+    penanda = ['«', '»'],
+    cubaDasar = true,
+    gunaDataset = true,
+    janaImbuhan = false,
+    semakHomograf = false,
+  } = opts
   const belumDisahkan = []
   const terbitanSah = []
   const dariDataset = []
@@ -306,6 +318,25 @@ export async function keJawi(teks, cache, opts = {}) {
     keluar.push(penanda[0] + cebis + penanda[1])
   }
 
+  // Amaran homograf. Ejaan Jawi yang dikongsi dua perkataan Rumi akan taksa
+  // apabila dibaca semula. Menurut panduan DBP, homograf HAKIKI (kongsi
+  // vokal wau/ya, kata Melayu lawan kata asing, bentuk berimbuhan) memang
+  // dibenarkan kekal dan tidak dibezakan. Jadi ini bukan ralat: ia maklumat
+  // supaya penulis tahu konteks ayat perlu menanggung beban perbezaan itu.
+  const homograf = []
+  if (semakHomograf) {
+    const songsang = petaSongsang(cache, await muatDataset())
+    for (const [k, cebis] of bahagian.entries()) {
+      if (k % 2 === 0) continue
+      const hasil = keluar[k]
+      if (!hasil || hasil.startsWith(penanda[0])) continue
+      const pilihan = pilihCalon(songsang.get(normalisasiJawi(hasil)))
+      if (pilihan && pilihan.calon.length > 1) {
+        homograf.push({ kata: cebis, jawi: hasil, dikongsi: pilihan.calon })
+      }
+    }
+  }
+
   // Pedoman DBP §14.1: kata sendi di dan ke bercantum dengan kata berikutnya.
   // Dibuat sebagai lulusan kedua supaya logik carian di atas kekal mudah.
   const sendiDicantum = []
@@ -331,6 +362,7 @@ export async function keJawi(teks, cache, opts = {}) {
     dariDataset,
     dariNama,
     kataUlang,
+    homograf,
     dijanaPedoman,
     namaKhas: [...new Set(namaKhas)],
     akronim: [...new Set(akronim)],