prpm-dbp 0.7.0 → 0.8.0

package/SKILL.md

@@ -187,6 +187,24 @@ Peraturan yang dilaksanakan: §13.5-13.7 (awalan `di-`, `se-`, `ke-`), §13.10 (
 
 **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

@@ -175,6 +175,9 @@ async function main() {
             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": "0.7.0",
+  "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/tukar.js

@@ -11,7 +11,7 @@
 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,
@@ -194,6 +194,7 @@ export async function keJawi(teks, cache, opts = {}) {
   const namaKhas = []
   const kataUlang = []
   const dijanaPedoman = []
+  const akronim = []
   const bahagian = teks.split(PECAH_RUMI)
   const keluar = []
 
@@ -268,7 +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])
   }
@@ -300,6 +305,7 @@ export async function keJawi(teks, cache, opts = {}) {
     kataUlang,
     dijanaPedoman,
     namaKhas: [...new Set(namaKhas)],
+    akronim: [...new Set(akronim)],
     adaEntriTanpaJawi: [...new Set(adaEntriTanpaJawi)],
     belumDisahkan: [...new Set(belumDisahkan)],
     terbitanSah,