prpm-dbp 0.6.0 → 0.8.0

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

@@ -159,6 +159,52 @@ Kata dasar dicari dalam kamus seperti biasa, jadi ejaannya tetap datang daripada
 
 §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.
+
+## Apa yang sebenarnya tercicir
+
+Diuji terhadap satu pelajaran Pendidikan Islam Tingkatan 4 sebenar (406 perkataan):
+
+```
+disahkan DBP  223   |  dari dataset  38  |  kata sendi §14.1  3
+nama khas      15   |  belum disahkan 10
+```
+
+**Tiada satu pun kata Melayu biasa tercicir.** Yang tinggal terbahagi kepada dua kategori sahaja:
+
+| Kategori | Contoh | Selesaian |
+|---|---|---|
+| Istilah tajwid Arab | `Qasirah`, `Tawilah`, `Mukhaffaf`, `Muthaqqal`, `Sughra`, `Kubra`, `Waqaf`, `hijaiyah` | `nama` dengan `jenis: istilah`, sahkan sekali |
+| Akronim | `KPM`, `DBP`, `KSSM`, `PBD`, `KBAT` | dilaporkan berasingan, kekal Rumi |
+
+Inilah sebab transliterator pola suku kata (§7 hingga §9) **tidak dilaksanakan**. Ia tidak akan menyentuh satu pun perkataan di atas. Lebih buruk lagi, istilah tajwid itu kata serapan Arab, dan §11.1 menetapkan ejaan Jawinya ialah ejaan Arab asal — peraturan pola Melayu akan menghasilkan ejaan fonetik yang salah untuk setiap satu, iaitu tepat di tempat ia paling merosakkan.
+
 ## Rantai kepercayaan
 
 Setiap ejaan Jawi yang dikeluarkan membawa asal-usulnya. Jangan runtuhkan lapisan ini.

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 +169,15 @@ 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.akronim.length) {
+        console.error(`akronim, dikekalkan Rumi (${h.akronim.length}): ${h.akronim.join(', ')}`)
+      }
       if (h.namaKhas.length) {
         console.error(
           `nama khas belum disahkan (${h.namaKhas.length}): ${h.namaKhas.join(', ')}\n` +

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "prpm-dbp",
-  "version": "0.6.0",
+  "version": "0.8.0",
   "description": "Semak ejaan Bahasa Melayu dan Jawi terhadap PRPM Dewan Bahasa dan Pustaka. CLI dan skill untuk AI agent.",
   "keywords": [
     "bahasa-melayu",

package/src/nama.js

@@ -55,6 +55,23 @@ export async function cariNama(kata) {
   return { ...rec, dijumpai: true, disahkanDbp: false }
 }
 
+/**
+ * §19 — Akronim dan singkatan.
+ *
+ * Singkatan inisialisme (KPM, DBP, PDF, KSSM, PBD, KBAT) ialah kategori
+ * tersendiri, bukan salah eja dan bukan nama orang. Pedoman §19.3 dan §19.4
+ * menetapkan ia ditulis dengan huruf abjad Jawi berserta titik selepas
+ * setiap huruf, tetapi banyak dokumen pendidikan mengekalkannya dalam Rumi
+ * dengan sengaja. Alat ini tidak memutuskan bagi pihak anda: ia hanya
+ * mengasingkan akronim supaya keputusan itu dibuat sekali, bukan dianggap
+ * sebagai ejaan yang salah.
+ */
+export function mungkinAkronim(kata) {
+  const k = String(kata)
+  // Dua huruf besar atau lebih berturut-turut, tanpa huruf kecil.
+  return /^[A-Z][A-Z0-9]+$/.test(k) && k.length >= 2
+}
+
 /**
  * Teka sama ada perkataan itu nama khas.
  *

package/src/pedoman.js

@@ -137,3 +137,81 @@ export function pisahUlangJawi(jawi) {
   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

@@ -11,8 +11,12 @@
 import { lookup } from './prpm.js'
 import { normalisasiJawi } from './kamus.js'
 import { cariDataset, muatDataset } from './dataset.js'
-import { cariNama, mungkinNamaKhas } from './nama.js'
+import { cariNama, mungkinAkronim, mungkinNamaKhas } from './nama.js'
 import {
+  imbuhAkhiranAn,
+  imbuhAkhiranI,
+  imbuhAwalan,
+  imbuhGanti,
   binaKataUlang,
   bolehCantumSendi,
   cantumSendi,
@@ -79,6 +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.
  *
@@ -133,7 +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 = []
@@ -142,6 +193,8 @@ export async function keJawi(teks, cache, opts = {}) {
   const dariNama = []
   const namaKhas = []
   const kataUlang = []
+  const dijanaPedoman = []
+  const akronim = []
   const bahagian = teks.split(PECAH_RUMI)
   const keluar = []
 
@@ -182,6 +235,18 @@ export async function keJawi(teks, cache, opts = {}) {
       }
     }
 
+    // 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) {
@@ -204,7 +269,11 @@ export async function keJawi(teks, cache, opts = {}) {
     // Nama khas yang belum disahkan bukan salah eja. Ia dilaporkan
     // berasingan supaya pengguna tahu apa yang perlu disahkan sekali, dan
     // bukan mengulang menyemak ejaan yang memang betul.
-    if (mungkinNamaKhas(cebis, bahagian[i - 1])) namaKhas.push(cebis)
+    // §19: akronim ialah kategori tersendiri. Ia bukan salah eja dan bukan
+    // nama orang, jadi mencampurkannya dengan dua-dua itu menyembunyikan
+    // apa yang benar-benar perlu disemak.
+    if (mungkinAkronim(cebis)) akronim.push(cebis)
+    else if (mungkinNamaKhas(cebis, bahagian[i - 1])) namaKhas.push(cebis)
     else belumDisahkan.push(cebis)
     keluar.push(penanda[0] + cebis + penanda[1])
   }
@@ -234,7 +303,9 @@ export async function keJawi(teks, cache, opts = {}) {
     dariDataset,
     dariNama,
     kataUlang,
+    dijanaPedoman,
     namaKhas: [...new Set(namaKhas)],
+    akronim: [...new Set(akronim)],
     adaEntriTanpaJawi: [...new Set(adaEntriTanpaJawi)],
     belumDisahkan: [...new Set(belumDisahkan)],
     terbitanSah,