# === ClimatePulse: Chatbot Analisis Opini Publik ===
import torch
import streamlit as st
import pandas as pd
import pydeck as pdk
import altair as alt
from transformers import pipeline, AutoTokenizer, AutoModelForTokenClassification, AutoModelForSequenceClassification
from geopy.geocoders import Nominatim
from datetime import datetime
import os

# === Setup Halaman ===
st.set_page_config(page_title="ClimatePulse", layout="centered")

# === Load Model & Pipeline ===
device = 0 if torch.cuda.is_available() else -1

# Sentimen
sent_tokenizer = AutoTokenizer.from_pretrained("mdhugol/indonesia-bert-sentiment-classification")
sent_model = AutoModelForSequenceClassification.from_pretrained("mdhugol/indonesia-bert-sentiment-classification")
pipe_sent = pipeline("sentiment-analysis", model=sent_model, tokenizer=sent_tokenizer)

# Emosi
pipe_emo = pipeline("sentiment-analysis", model="azizp128/prediksi-emosi-indobert", device=device)

# NER
ner_tokenizer = AutoTokenizer.from_pretrained("cahya/bert-base-indonesian-NER")
ner_model = AutoModelForTokenClassification.from_pretrained("cahya/bert-base-indonesian-NER")
pipe_ner = pipeline("ner", model=ner_model, tokenizer=ner_tokenizer, aggregation_strategy="simple")

label_map = {'LABEL_0': 'Positif', 'LABEL_1': 'Netral', 'LABEL_2': 'Negatif'}

# === Custom Dark Mode Style + Logo ===
page_bg = '''
<style>
[data-testid="stAppViewContainer"] {
    background-color: #0e1525;
    color: white;
}
[data-testid="stHeader"] {
    background-color: rgba(0,0,0,0);
}
[data-testid="stSidebar"] > div:first-child {
    background-color: #1f2937;
}
.block-container {
    padding-top: 2rem;
    padding-bottom: 2rem;
    font-family: "Segoe UI", sans-serif;
}
h1, h2, h3, h4, h5 {
    font-family: 'Segoe UI', sans-serif;
    color: #10B981;
}
.stButton>button {
    background-color: #10B981;
    color: white;
    border-radius: 8px;
    padding: 0.5rem 1rem;
    font-size: 1rem;
    border: none;
}
.stTextInput>div>div>input, .stTextArea>div>textarea {
    background-color: #1f2937;
    color: white;
    border-radius: 6px;
    border: 1px solid #374151;
}
</style>
'''
st.markdown(page_bg, unsafe_allow_html=True)

# === Judul Halaman dengan Logo di Sebelah Teks ===
col1, col2 = st.columns([1, 8])
with col1:
    st.image("logo.png", width=60)
    
with col2:
    st.markdown("""
    <div style='display: flex; flex-direction: column; justify-content: center;'>
        <h4 style='color: #10B981; margin-bottom: 0;'>ClimatePulse - Analisis Opini SDG 13</h4>
        <h1 style='color: white; margin-top: 0;'>Perubahan Iklim di Media Sosial</h1>
        <p style='color: gray;'>Telusuri opini publik, sentimen, emosi, dan entitas terkait kebijakan dan bencana iklim</p>
    </div>
    """, unsafe_allow_html=True)

# === Form Input User ===
with st.form(key="input_form"):
    text_input = st.text_area("Input Teks / Tweet", placeholder="Contoh: PLTN dibangun di Papua, saya takut dan kecewa", height=120)
    submit = st.form_submit_button("🔍 ANALISIS")

# === Analisis dan Visualisasi Lain Tetap ===
# (seluruh isi kode berikutnya tetap seperti sebelumnya)
# === Tidak ditampilkan ulang agar tidak duplikasi ===



# === Analisis dan Visualisasi Lain Tetap ===
# (seluruh isi kode berikutnya tetap seperti sebelumnya)
# === Tidak ditampilkan ulang agar tidak duplikasi ===


# === Proses Analisis Tunggal ===
if submit and text_input.strip():
    with st.spinner("Menganalisis opini publik..."):
        sent = pipe_sent(text_input)[0]
        sent_label = label_map.get(sent['label'], sent['label'])
        emo = pipe_emo(text_input)[0]['label'].capitalize()
        ner = pipe_ner(text_input)
        ents = [e['word'] for e in ner]

        lokasi_kunci = [
    # === Wilayah Umum / Pulau ===
    "sumatera", "jawa", "kalimantan", "sulawesi", "papua", "maluku", "nusa tenggara", "kepulauan seribu",

    # === Nama Provinsi Lengkap (38) ===
    "aceh", "sumatera utara", "sumatera barat", "riau", "kepulauan riau", "jambi", "bengkulu",
    "sumatera selatan", "bangka belitung", "lampung",
    "banten", "dki jakarta", "jawa barat", "jawa tengah", "daerah istimewa yogyakarta", "jawa timur",
    "bali", "nusa tenggara barat", "nusa tenggara timur",
    "kalimantan barat", "kalimantan tengah", "kalimantan selatan", "kalimantan timur", "kalimantan utara",
    "sulawesi utara", "sulawesi tengah", "sulawesi selatan", "sulawesi tenggara", "gorontalo", "sulawesi barat",
    "maluku", "maluku utara",
    "papua", "papua barat", "papua selatan", "papua tengah", "papua pegunungan", "papua barat daya",

    # === Ibu Kota Provinsi ===
    "banda aceh", "medan", "padang", "pekanbaru", "tanjungpinang", "jambi", "bengkulu",
    "palembang", "pangkalpinang", "bandar lampung",
    "serang", "jakarta", "bandung", "semarang", "yogyakarta", "surabaya",
    "denpasar", "mataram", "kupang",
    "pontianak", "palangka raya", "banjarmasin", "samarinda", "tarakan",
    "manado", "palu", "makassar", "kendari", "gorontalo", "mamuju",
    "ambon", "ternate",
    "jayapura", "manokwari", "merauke", "nabire", "wamena", "fakfak", "sorong", "timika",

    # === Kota/Kabupaten Besar atau Strategis ===
    "bekasi", "bogor", "depok", "tangerang", "cirebon", "tegal", "purwokerto", "solo", "magelang",
    "malang", "kediri", "sidoarjo", "pasuruan", "probolinggo", "lumajang", "blitar", "jember",
    "banyuwangi", "cilacap", "padangsidimpuan", "binjai", "sibolga", "lubuklinggau", "palopo",
    "parepare", "bitung", "tomohon", "kotamobagu", "kotabaru", "pangkalan bun", "ketapang",
    "palu", "baubau", "karangasem", "buleleng", "labuan bajo", "ende", "bima", "dompu",

    # === Lokasi Baru / Khusus / Otorita ===
    "nusantara",  # Ibu kota negara baru di Kaltim
    "penajam paser utara", "balikpapan", "samarinda", "bontang",  # Kaltim area
    "kepri", "ntb", "ntt", "kaltim", "kalteng", "kalsel", "kalbar", "kaltara",  # singkatan populer

    # === Lokasi Adat/Kultural (yang sering disebut) ===
    "minangkabau", "batak", "dayak", "asmat", "ambon", "bugis", "toraja", "sunda", "madura", "tapanuli"
]

        locs = []
        for e in ner:
            ent_text = e['word'].lower()
            if e['entity_group'] == 'LOC':
                locs.append(e['word'])
            else:
                for keyword in lokasi_kunci:
                    if keyword in ent_text:
                        locs.append(keyword.capitalize())
        locs = list(set(locs))

        geolocator = Nominatim(user_agent="climatepulse")
        geo_locs = []
        for loc in locs:
            try:
                location = geolocator.geocode(loc)
                if location:
                    geo_locs.append({
                        'lokasi': loc,
                        'lat': location.latitude,
                        'lon': location.longitude,
                        'jumlah': 1
                    })
            except:
                continue

        now = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
        df_log_single = pd.DataFrame([{
            "timestamp": now,
            "text": text_input,
            "sentimen": sent_label,
            "emosi": emo
        }])

        log_file = "log_tren.csv"
        if os.path.exists(log_file):
            pd.concat([pd.read_csv(log_file), df_log_single]).to_csv(log_file, index=False)
        else:
            df_log_single.to_csv(log_file, index=False)


    emoji_map = {
    "Senang": "😊",
    "Sedih": "😢",
    "Marah": "😡",
    "Takut": "😨",
    "Kecewa": "😞",
    "Netral": "😐"
}
    # === Tampilkan Hasil ===
    
    st.markdown(f"""
<div style='background-color: #1f2937; padding: 1rem; border-radius: 10px;'>
    <h3 style='color: white;'>Hasil Analisis</h3>
    <p><b>Sentimen:</b> <span style='color: red;'>{sent_label}</span>  |  
       <b>Emosi:</b> <span style='color: #facc15;'>{emo} {emoji_map.get(emo, '')}</span></p>
    <p><b>📍 Lokasi:</b> {', '.join(locs) or "Tidak ditemukan"}</p>
    <p><b>🔖 Entitas:</b> {', '.join(ents) or "Tidak ditemukan"}</p>
</div>
""", unsafe_allow_html=True)

   # === Tambahan: Peta Opini Publik berdasarkan Log ===
if os.path.exists("log_tren.csv"):
    df_log = pd.read_csv("log_tren.csv")
    lokasi_kunci = [
    # === Wilayah Umum / Pulau ===
    "sumatera", "jawa", "kalimantan", "sulawesi", "papua", "maluku", "nusa tenggara", "kepulauan seribu",

    # === Nama Provinsi Lengkap (38) ===
    "aceh", "sumatera utara", "sumatera barat", "riau", "kepulauan riau", "jambi", "bengkulu",
    "sumatera selatan", "bangka belitung", "lampung",
    "banten", "dki jakarta", "jawa barat", "jawa tengah", "daerah istimewa yogyakarta", "jawa timur",
    "bali", "nusa tenggara barat", "nusa tenggara timur",
    "kalimantan barat", "kalimantan tengah", "kalimantan selatan", "kalimantan timur", "kalimantan utara",
    "sulawesi utara", "sulawesi tengah", "sulawesi selatan", "sulawesi tenggara", "gorontalo", "sulawesi barat",
    "maluku", "maluku utara",
    "papua", "papua barat", "papua selatan", "papua tengah", "papua pegunungan", "papua barat daya",

    # === Ibu Kota Provinsi ===
    "banda aceh", "medan", "padang", "pekanbaru", "tanjungpinang", "jambi", "bengkulu",
    "palembang", "pangkalpinang", "bandar lampung",
    "serang", "jakarta", "bandung", "semarang", "yogyakarta", "surabaya",
    "denpasar", "mataram", "kupang",
    "pontianak", "palangka raya", "banjarmasin", "samarinda", "tarakan",
    "manado", "palu", "makassar", "kendari", "gorontalo", "mamuju",
    "ambon", "ternate",
    "jayapura", "manokwari", "merauke", "nabire", "wamena", "fakfak", "sorong", "timika",

    # === Kota/Kabupaten Besar atau Strategis ===
    "bekasi", "bogor", "depok", "tangerang", "cirebon", "tegal", "purwokerto", "solo", "magelang",
    "malang", "kediri", "sidoarjo", "pasuruan", "probolinggo", "lumajang", "blitar", "jember",
    "banyuwangi", "cilacap", "padangsidimpuan", "binjai", "sibolga", "lubuklinggau", "palopo",
    "parepare", "bitung", "tomohon", "kotamobagu", "kotabaru", "pangkalan bun", "ketapang",
    "palu", "baubau", "karangasem", "buleleng", "labuan bajo", "ende", "bima", "dompu",

    # === Lokasi Baru / Khusus / Otorita ===
    "nusantara",  # Ibu kota negara baru di Kaltim
    "penajam paser utara", "balikpapan", "samarinda", "bontang",  # Kaltim area
    "kepri", "ntb", "ntt", "kaltim", "kalteng", "kalsel", "kalbar", "kaltara",  # singkatan populer

    # === Lokasi Adat/Kultural (yang sering disebut) ===
    "minangkabau", "batak", "dayak", "asmat", "ambon", "bugis", "toraja", "sunda", "madura", "tapanuli"
]
    lokasi_counter = {}
    for text in df_log['text']:
        for keyword in lokasi_kunci:
            if keyword in text.lower():
                lokasi = keyword.capitalize()
                lokasi_counter[lokasi] = lokasi_counter.get(lokasi, 0) + 1

    geo_locs = []
    geolocator = Nominatim(user_agent="climatepulse-map")
    for lokasi, jumlah in lokasi_counter.items():
        try:
            location = geolocator.geocode(lokasi)
            if location:
                geo_locs.append({
                    'lokasi': lokasi,
                    'lat': location.latitude,
                    'lon': location.longitude,
                    'jumlah': jumlah
                })
        except:
            continue

    if geo_locs:
        map_df = pd.DataFrame(geo_locs)
        st.markdown("### 🗺️ Peta Opini Publik")
        st.pydeck_chart(pdk.Deck(
            map_style=None,
            initial_view_state=pdk.ViewState(latitude=-2.5, longitude=117.0, zoom=4, pitch=0),
            layers=[
                pdk.Layer(
                    "ScatterplotLayer",
                    data=map_df,
                    get_position='[lon, lat]',
                    get_color='[255, 100, 100, 160]',
                    get_radius='jumlah * 10000',
                    pickable=True,
                    auto_highlight=True
                )
            ],
            tooltip={"text": "{lokasi}: {jumlah} opini"}
        ))
    else:
        st.info("❗ Tidak ada lokasi yang berhasil dipetakan dari histori log.")


    st.markdown("### 📈 Tren Waktu Sentimen")
    if os.path.exists("log_tren.csv"):
        df_log = pd.read_csv("log_tren.csv")
        df_log['timestamp'] = pd.to_datetime(df_log['timestamp'])
        df_log['tanggal'] = df_log['timestamp'].dt.date
        trend_all = df_log.groupby(['tanggal', 'sentimen']).size().reset_index(name='jumlah')
        chart = alt.Chart(trend_all).mark_line(point=True).encode(
            x='tanggal:T',
            y='jumlah:Q',
            color='sentimen:N'
        ).properties(width=600)
        st.altair_chart(chart, use_container_width=True)

# === Upload CSV untuk Analisis Massal ===
st.markdown("---")
st.markdown("### 📥 Analisis CSV Massal")
uploaded_file = st.file_uploader("Upload file CSV berisi kolom 'text'", type=["csv"])

if uploaded_file is not None:
    df_csv = pd.read_csv(uploaded_file)
    st.write("Pratinjau Data:", df_csv.head())

    if "text" in df_csv.columns:
        result_data = []
        geo_locs = []
        log_rows = []
        lokasi_kunci = [
    # === Wilayah Umum / Pulau ===
    "sumatera", "jawa", "kalimantan", "sulawesi", "papua", "maluku", "nusa tenggara", "kepulauan seribu",

    # === Nama Provinsi Lengkap (38) ===
    "aceh", "sumatera utara", "sumatera barat", "riau", "kepulauan riau", "jambi", "bengkulu",
    "sumatera selatan", "bangka belitung", "lampung",
    "banten", "dki jakarta", "jawa barat", "jawa tengah", "daerah istimewa yogyakarta", "jawa timur",
    "bali", "nusa tenggara barat", "nusa tenggara timur",
    "kalimantan barat", "kalimantan tengah", "kalimantan selatan", "kalimantan timur", "kalimantan utara",
    "sulawesi utara", "sulawesi tengah", "sulawesi selatan", "sulawesi tenggara", "gorontalo", "sulawesi barat",
    "maluku", "maluku utara",
    "papua", "papua barat", "papua selatan", "papua tengah", "papua pegunungan", "papua barat daya",

    # === Ibu Kota Provinsi ===
    "banda aceh", "medan", "padang", "pekanbaru", "tanjungpinang", "jambi", "bengkulu",
    "palembang", "pangkalpinang", "bandar lampung",
    "serang", "jakarta", "bandung", "semarang", "yogyakarta", "surabaya",
    "denpasar", "mataram", "kupang",
    "pontianak", "palangka raya", "banjarmasin", "samarinda", "tarakan",
    "manado", "palu", "makassar", "kendari", "gorontalo", "mamuju",
    "ambon", "ternate",
    "jayapura", "manokwari", "merauke", "nabire", "wamena", "fakfak", "sorong", "timika",

    # === Kota/Kabupaten Besar atau Strategis ===
    "bekasi", "bogor", "depok", "tangerang", "cirebon", "tegal", "purwokerto", "solo", "magelang",
    "malang", "kediri", "sidoarjo", "pasuruan", "probolinggo", "lumajang", "blitar", "jember",
    "banyuwangi", "cilacap", "padangsidimpuan", "binjai", "sibolga", "lubuklinggau", "palopo",
    "parepare", "bitung", "tomohon", "kotamobagu", "kotabaru", "pangkalan bun", "ketapang",
    "palu", "baubau", "karangasem", "buleleng", "labuan bajo", "ende", "bima", "dompu",

    # === Lokasi Baru / Khusus / Otorita ===
    "nusantara",  # Ibu kota negara baru di Kaltim
    "penajam paser utara", "balikpapan", "samarinda", "bontang",  # Kaltim area
    "kepri", "ntb", "ntt", "kaltim", "kalteng", "kalsel", "kalbar", "kaltara",  # singkatan populer

    # === Lokasi Adat/Kultural (yang sering disebut) ===
    "minangkabau", "batak", "dayak", "asmat", "ambon", "bugis", "toraja", "sunda", "madura", "tapanuli"
]

        geolocator = Nominatim(user_agent="climatepulse")

        for i, row in df_csv.iterrows():
            text = str(row["text"])
            sent = pipe_sent(text)[0]
            sent_label = label_map.get(sent['label'], sent['label'])
            emo = pipe_emo(text)[0]['label'].capitalize()
            ner = pipe_ner(text)
            ents = [e['word'] for e in ner]

            locs = []
            for e in ner:
                ent_text = e['word'].lower()
                if e['entity_group'] == 'LOC':
                    locs.append(e['word'])
                else:
                    for keyword in lokasi_kunci:
                        if keyword in ent_text:
                            locs.append(keyword.capitalize())
            locs = list(set(locs))

            for loc in locs:
                try:
                    location = geolocator.geocode(loc)
                    if location:
                        geo_locs.append({
                            'lokasi': loc,
                            'lat': location.latitude,
                            'lon': location.longitude,
                            'jumlah': 1
                        })
                except:
                    continue

            now = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
            log_rows.append({"timestamp": now, "text": text, "sentimen": sent_label, "emosi": emo})

            result_data.append({
                "text": text,
                "sentimen": sent_label,
                "emosi": emo,
                "entitas": ", ".join(ents)
            })

        df_result = pd.DataFrame(result_data)
        st.success("Analisis selesai!")
        st.dataframe(df_result)

        csv_download = df_result.to_csv(index=False).encode('utf-8')
        st.download_button("📥 Download Hasil CSV", csv_download, "hasil_analisis.csv", "text/csv")

        log_file = "log_tren.csv"
        df_log_append = pd.DataFrame(log_rows)
        if os.path.exists(log_file):
            pd.concat([pd.read_csv(log_file), df_log_append]).to_csv(log_file, index=False)
        else:
            df_log_append.to_csv(log_file, index=False)