prpm-dbp 0.5.1 → 0.7.0

package/README.md

@@ -132,7 +132,9 @@ Pengguna kemudian menarik versi baharu dengan `npx skills update`.
 | `banding <kata...>` | silang semak PRPM lawan KamusDBP |
 | `cache` | status cache, `--buang <kata>` untuk padam satu |
 
-Pilihan: `--refresh`, `--had <n>`, `--delay <ms>`, `--json`.
+Pilihan: `--refresh`, `--had <n>`, `--delay <ms>`, `--json`, `--cepat`, `--pedoman`.
+
+`--pedoman` membenarkan penjanaan imbuhan menurut peraturan DBP apabila kamus tiada jawapan. Ketepatannya diukur 88-98% terhadap 66,000 perkataan sebenar, jadi ia mati secara lalai dan hasilnya sentiasa ditanda.
 
 ## Guna sebagai library
 

package/SKILL.md

@@ -148,7 +148,44 @@ Pakej tidak perlu memilih antara dua ini. DBP sudah memilih, dan pilihan itu ter
 
 **§10 — enam belas perkataan dikecualikan daripada aturan pola:** `ada`, `apa`, `beta`, `bin`, `binti`, `dari`, `daripada`, `ini`, `itu`, `jika`, `kepada`, `kita`, `lima`, `maka`, `pada`, `demikian`. Ejaannya mesti datang daripada kamus dan tidak boleh dibetulkan oleh mana-mana peraturan pola.
 
-**§17.1 — kata ulang penuh menggunakan angka dua Arab `٢`**, bukan sempang: `rama-rama` menjadi `رام٢`. Sempang digunakan hanya apabila bahagian yang diulang berubah bentuk (§17.2).
+**§17.1 — kata ulang penuh menggunakan angka dua Arab `٢`**, bukan sempang dan bukan kata dasar ditulis dua kali.
+
+```
+Cikgu-cikgu  ->  چيقݢو٢
+murid-murid  ->  موريد٢
+```
+
+Kata dasar dicari dalam kamus seperti biasa, jadi ejaannya tetap datang daripada sumber. Hanya penambahan `٢` itu dijana oleh peraturan. Peraturan ini simetri: `چيقݢو٢` dibaca semula sebagai `cikgu-cikgu`.
+
+§17.2 mengecualikan kata ulang yang **berubah bentuk** (berimbuhan atau berentak) seperti `bermaaf-maafan`. Di situ sempang kekal dan peraturan `٢` tidak terpakai, jadi padanan menuntut kedua-dua bahagian benar-benar serupa.
+
+## Penjanaan imbuhan (pilihan, mati secara lalai)
+
+`--pedoman` membenarkan pakej **menjana** ejaan kata berimbuhan menurut §13 dan §15, apabila tiada sumber lain mempunyai jawapan. Ejaan kata dasar tetap dicari dalam kamus; hanya imbuhan yang dijana.
+
+Ia mati secara lalai kerana ketepatannya diukur, bukan diandaikan. Diuji terhadap 66,000 perkataan sebenar:
+
+| Imbuhan | Kes diuji | Betul |
+|---|---|---|
+| `-mu` | 333 | 98% |
+| `-nya` | 3,697 | 97% |
+| `di-` | 2,435 | 92% |
+| `se-` | 1,605 | 90% |
+| `ke-` | 976 | 88% |
+
+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.
+
+Bila dihidupkan, hasilnya **tetap ditanda** dan dilaporkan dalam medan `dijanaPedoman` berserta rujukan seksyennya:
+
+```
+$ npx prpm-dbp jawi nota.txt --pedoman
+«اباديڽ» ککل.
+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`).
+
+**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.
 
 ## Rantai kepercayaan
 

package/bin/cli.js

@@ -33,7 +33,8 @@ const BANTUAN = `prpm-dbp — semak Bahasa Melayu dan Jawi terhadap PRPM DBP
   npx prpm-dbp cache [--buang <kata>]    status cache
   npx prpm-dbp install [--link]          pasang sebagai Claude Code skill
 
-Pilihan: --refresh (abai cache)  --had <n>  --delay <ms>  --json  --cepat (langkau carian kata dasar)
+Pilihan: --refresh  --had <n>  --delay <ms>  --json  --cepat
+         --pedoman  jana imbuhan ikut peraturan DBP (88-98% tepat, hasil ditanda)
 
 Cache: ${CACHE_PATH}
 `
@@ -47,6 +48,7 @@ function huraiArgs(argv) {
     else if (a === '--json') pilihan.json = true
     else if (a === '--link') pilihan.link = true
     else if (a === '--cepat') pilihan.cepat = true
+    else if (a === '--pedoman') pilihan.pedoman = true
     else if (a === '--had') pilihan.had = Number(argv[++i])
     else if (a === '--delay') pilihan.delay = Number(argv[++i])
     else if (a === '--buang') pilihan.buang = argv[++i]
@@ -150,7 +152,11 @@ async function main() {
 
     case 'jawi': {
       const teks = await readFile(baki[0], 'utf8')
-      const h = await keJawi(teks, cache, { ...opts, cubaDasar: !pilihan.cepat })
+      const h = await keJawi(teks, cache, {
+        ...opts,
+        cubaDasar: !pilihan.cepat,
+        janaImbuhan: pilihan.pedoman,
+      })
       await saveCache(cache)
       if (pilihan.json) { keluar(h); break }
       console.log(h.teks)
@@ -163,6 +169,12 @@ async function main() {
             h.adaEntriTanpaJawi.join(', '),
         )
       }
+      if (h.dijanaPedoman.length) {
+        console.error(
+          `dijana ikut Pedoman, BELUM disahkan DBP (${h.dijanaPedoman.length}): ` +
+            h.dijanaPedoman.map((x) => `${x.kata}=${x.jawi} [${x.rujukan}]`).join(', '),
+        )
+      }
       if (h.namaKhas.length) {
         console.error(
           `nama khas belum disahkan (${h.namaKhas.length}): ${h.namaKhas.join(', ')}\n` +

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "prpm-dbp",
-  "version": "0.5.1",
+  "version": "0.7.0",
   "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

@@ -110,3 +110,108 @@ export const ANGKA_DUA = '\u0662'
  * pendakwaan). Kerana itu ia tidak boleh dilipat semasa perbandingan.
  */
 export const NOTA_MAQSURAH = 'Pedoman DBP §11.6'
+
+/**
+ * §17.1 — Kata ulang PENUH ditulis sebagai kata dasar diikuti angka dua
+ * Arab. Kata dasar tidak ditulis dua kali.
+ *
+ *   kanak-kanak -> کانق٢     murid-murid -> موريد٢
+ *
+ * §17.2 — Ini TIDAK terpakai apabila bahagian yang diulang berubah bentuk
+ * (kata ulang berimbuhan atau berentak). Di situ sempang digunakan. Kerana
+ * itu padanan di bawah menuntut kedua-dua bahagian benar-benar serupa.
+ */
+export function pisahKataUlang(kata) {
+  const m = /^(.+)-\1$/i.exec(String(kata))
+  return m ? m[1] : null
+}
+
+export function binaKataUlang(jawiDasar) {
+  if (!jawiDasar) return null
+  return { jawi: jawiDasar + ANGKA_DUA, rujukan: 'Pedoman DBP §17.1' }
+}
+
+/** Songsangan §17.1: kata dasar + ٢ menjadi kata dasar berulang penuh. */
+export function pisahUlangJawi(jawi) {
+  if (!jawi.endsWith(ANGKA_DUA)) return null
+  const dasar = jawi.slice(0, -ANGKA_DUA.length)
+  return dasar ? dasar : null
+}
+
+const HAMZAH = 'ء' // ء berdiri sendiri, BUKAN أ U+0623 seperti dalam awalan
+const NUN = 'ن'
+const YA = 'ي'
+const WAU = 'و'
+
+/**
+ * §13.10 — Tiga cara mengeja akhiran -an, bergantung pada huruf akhir kata
+ * dasar dalam ejaan JAWI (bukan Rumi):
+ *   (i)   selepas wau            -> alif-nun     tinjau  -> تينجاوان
+ *   (ii)  selepas alif           -> hamzah-nun   buka    -> بوکاءن
+ *   (iii) selain itu             -> nun          sumpit  -> سومڤيتن
+ *
+ * Catatan §13.10(ii): kata dasar yang berakhir dengan suku kata terbuka
+ * bervokal [a] tetapi tidak ditulis dengan alif perlu ditambah alif dahulu.
+ * Itulah sebabnya buka (بوک) menjadi بوکاءن dan bukan بوکءن.
+ *
+ * Kodpoint disahkan empirik daripada dataset, bukan diandaikan.
+ */
+export function imbuhAkhiranAn(jawiDasar, rumiDasar) {
+  if (!jawiDasar) return null
+  if (jawiDasar.endsWith(WAU)) return { jawi: jawiDasar + ALIF + NUN, rujukan: 'Pedoman DBP §13.10(i)' }
+  if (jawiDasar.endsWith(ALIF)) return { jawi: jawiDasar + HAMZAH + NUN, rujukan: 'Pedoman DBP §13.10(ii)' }
+  // Kata dasar berakhir vokal [a] dalam Rumi tetapi tanpa alif dalam Jawi:
+  // alif ditambah dahulu, menurut Catatan §13.10(ii).
+  if (/a$/i.test(rumiDasar ?? '')) {
+    return { jawi: jawiDasar + ALIF + HAMZAH + NUN, rujukan: 'Pedoman DBP §13.10(ii) Catatan' }
+  }
+  return { jawi: jawiDasar + NUN, rujukan: 'Pedoman DBP §13.10(iii)' }
+}
+
+/**
+ * §13.11 — Tiga cara mengeja akhiran -i:
+ *   (i)  selepas alif  -> hamzah-ya
+ *   (ii) selepas wau   -> hamzah-ya
+ *   (iii) selain itu   -> ya
+ */
+export function imbuhAkhiranI(jawiDasar, rumiDasar) {
+  if (!jawiDasar) return null
+  if (jawiDasar.endsWith(ALIF) || jawiDasar.endsWith(WAU)) {
+    return { jawi: jawiDasar + HAMZAH + YA, rujukan: 'Pedoman DBP §13.11(i)' }
+  }
+  if (/a$/i.test(rumiDasar ?? '')) {
+    return { jawi: jawiDasar + ALIF + HAMZAH + YA, rujukan: 'Pedoman DBP §13.11(i) Catatan' }
+  }
+  return { jawi: jawiDasar + YA, rujukan: 'Pedoman DBP §13.11(iii)' }
+}
+
+/**
+ * §15.1 — Kata ganti singkat ditulis serangkai dengan kata di depannya.
+ *   ku  -> kaf-wau      mu -> mim-wau      nya -> nya
+ * §13.5, §13.6, §13.7 — Awalan di-, se-, ke- ditulis rapat; jika kata dasar
+ * bermula dengan alif, hamzah dibubuh di atas alif itu (alif berhamzah).
+ */
+export const AKHIRAN_GANTI = new Map([
+  ['nya', 'ڽ'],
+  ['ku', 'كو'.replace('ك', 'ک')],
+  ['mu', 'مو'],
+])
+
+export const AWALAN = new Map([
+  ['di', 'د'],
+  ['se', 'س'],
+  ['ke', 'ک'],
+])
+
+export function imbuhAwalan(awalan, jawiDasar) {
+  const huruf = AWALAN.get(String(awalan).toLowerCase())
+  if (!huruf || !jawiDasar) return null
+  const dasar = jawiDasar.startsWith(ALIF) ? ALIF_HAMZAH + jawiDasar.slice(ALIF.length) : jawiDasar
+  return { jawi: huruf + dasar, rujukan: `Pedoman DBP §13.5-13.7 (${awalan}-)` }
+}
+
+export function imbuhGanti(ganti, jawiDasar) {
+  const huruf = AKHIRAN_GANTI.get(String(ganti).toLowerCase())
+  if (!huruf || !jawiDasar) return null
+  return { jawi: jawiDasar + huruf, rujukan: 'Pedoman DBP §15.1' }
+}

package/src/tukar.js

@@ -12,7 +12,18 @@ import { lookup } from './prpm.js'
 import { normalisasiJawi } from './kamus.js'
 import { cariDataset, muatDataset } from './dataset.js'
 import { cariNama, mungkinNamaKhas } from './nama.js'
-import { bolehCantumSendi, cantumSendi, pisahSendi } from './pedoman.js'
+import {
+  imbuhAkhiranAn,
+  imbuhAkhiranI,
+  imbuhAwalan,
+  imbuhGanti,
+  binaKataUlang,
+  bolehCantumSendi,
+  cantumSendi,
+  pisahKataUlang,
+  pisahSendi,
+  pisahUlangJawi,
+} from './pedoman.js'
 
 // Baris tanda vokal Arab (fathah, kasrah, dammah, sukun, syaddah, tanwin,
 // alef superscript). Jawi Melayu TIDAK menggunakannya; teks al-Quran dan
@@ -72,6 +83,53 @@ export function calonDasar(kata) {
   return [...calon]
 }
 
+/**
+ * Jana ejaan kata berimbuhan menurut peraturan Pedoman.
+ *
+ * Ejaan kata DASAR tetap dicari dalam kamus; hanya imbuhan yang dijana.
+ * Diukur terhadap 66k perkataan sebenar: -mu 98%, -nya 97%, di- 92%,
+ * se- 90%, ke- 88%. Kerana itu ia mati secara lalai dan hasilnya sentiasa
+ * ditanda.
+ */
+async function janaIkutPedoman(kata, cache, opts, gunaDataset) {
+  const ejaan = async (dasar) => {
+    const rec = await lookup(dasar, cache, opts)
+    if (rec?.jawi) return rec.jawi
+    if (!gunaDataset) return null
+    return (await cariDataset(dasar))?.jawi ?? null
+  }
+
+  for (const [awalan] of AWALAN_URUTAN) {
+    if (!kata.startsWith(awalan) || kata.length - awalan.length < 3) continue
+    const jawiDasar = await ejaan(kata.slice(awalan.length))
+    const hasil = imbuhAwalan(awalan, jawiDasar)
+    if (hasil) return hasil
+  }
+
+  for (const ganti of ['nya', 'mu', 'ku']) {
+    if (!kata.endsWith(ganti) || kata.length - ganti.length < 3) continue
+    const dasar = kata.slice(0, -ganti.length)
+    const hasil = imbuhGanti(ganti, await ejaan(dasar))
+    if (hasil) return hasil
+  }
+
+  if (kata.endsWith('an') && kata.length > 4) {
+    const dasar = kata.slice(0, -2)
+    const hasil = imbuhAkhiranAn(await ejaan(dasar), dasar)
+    if (hasil) return hasil
+  }
+
+  if (kata.endsWith('i') && kata.length > 3) {
+    const dasar = kata.slice(0, -1)
+    const hasil = imbuhAkhiranI(await ejaan(dasar), dasar)
+    if (hasil) return hasil
+  }
+
+  return null
+}
+
+const AWALAN_URUTAN = [['di'], ['se'], ['ke']]
+
 /**
  * Cari kata dasar yang sah bagi kata berimbuhan.
  *
@@ -126,7 +184,7 @@ export function petaSongsang(cache, dataset = null) {
  * Perkataan yang tidak disahkan dibalut penanda, tidak pernah direka.
  */
 export async function keJawi(teks, cache, opts = {}) {
-  const { penanda = ['«', '»'], cubaDasar = true, gunaDataset = true } = opts
+  const { penanda = ['«', '»'], cubaDasar = true, gunaDataset = true, janaImbuhan = false } = opts
   const belumDisahkan = []
   const terbitanSah = []
   const dariDataset = []
@@ -134,6 +192,8 @@ export async function keJawi(teks, cache, opts = {}) {
   const adaEntriTanpaJawi = []
   const dariNama = []
   const namaKhas = []
+  const kataUlang = []
+  const dijanaPedoman = []
   const bahagian = teks.split(PECAH_RUMI)
   const keluar = []
 
@@ -159,6 +219,33 @@ export async function keJawi(teks, cache, opts = {}) {
       }
     }
 
+    // Pedoman DBP §17.1: kata ulang penuh ialah kata dasar + angka dua Arab.
+    // Kata dasar dicari seperti biasa, jadi ejaannya tetap datang daripada
+    // kamus; hanya penambahan ٢ itu yang dijana oleh peraturan.
+    const dasarUlang = pisahKataUlang(cebis)
+    if (dasarUlang) {
+      const recDasar = await lookup(dasarUlang.toLowerCase(), cache, opts)
+      const jawiDasar = recDasar?.jawi ?? (gunaDataset ? (await cariDataset(dasarUlang.toLowerCase()))?.jawi : null)
+      const ulang = binaKataUlang(jawiDasar)
+      if (ulang) {
+        kataUlang.push({ kata: cebis, dasar: dasarUlang, jawi: ulang.jawi, rujukan: ulang.rujukan })
+        keluar.push(ulang.jawi)
+        continue
+      }
+    }
+
+    // Penjanaan imbuhan menurut Pedoman. MATI secara lalai: diukur 88-98%
+    // tepat terhadap 66k perkataan sebenar, dan pakej ini tidak menjana
+    // ejaan yang mungkin salah tanpa kebenaran eksplisit.
+    if (janaImbuhan) {
+      const j = await janaIkutPedoman(cebis.toLowerCase(), cache, opts, gunaDataset)
+      if (j) {
+        dijanaPedoman.push({ kata: cebis, jawi: j.jawi, rujukan: j.rujukan })
+        keluar.push(penanda[0] + j.jawi + penanda[1])
+        continue
+      }
+    }
+
     // Nama khas yang pengguna sudah sahkan sendiri.
     const nm = await cariNama(cebis)
     if (nm?.jawi) {
@@ -210,6 +297,8 @@ export async function keJawi(teks, cache, opts = {}) {
     disahkanDbp: dbp.length,
     dariDataset,
     dariNama,
+    kataUlang,
+    dijanaPedoman,
     namaKhas: [...new Set(namaKhas)],
     adaEntriTanpaJawi: [...new Set(adaEntriTanpaJawi)],
     belumDisahkan: [...new Set(belumDisahkan)],
@@ -270,6 +359,16 @@ export function keRumi(teksJawi, cache, { penanda = ['«', '»'], dataset = null
     }
 
     if (!padanan) {
+      // Pedoman DBP §17.1 songsang: kata dasar + ٢ menjadi kata berulang.
+      const dasarUlang = pisahUlangJawi(bahagian[i])
+      if (dasarUlang) {
+        const jumpaUlang = peta.get(normalisasiJawi(dasarUlang))
+        if (jumpaUlang?.length === 1) {
+          keluar.push(jumpaUlang[0] + '-' + jumpaUlang[0])
+          continue
+        }
+      }
+
       // Pedoman DBP §14.1 songsang: bentuk bercantum seperti دمکة tiada
       // dalam kamus, jadi cuba pisahkan kata sendi di hadapan.
       let dipisah = null