""" Functions untuk parsing dan konversi nilai dari berbagai format CSV tracer study. Modul ini bertugas menerjemahkan kode-kode numerik kuesioner baku DIKTI (seperti F8, F504, F505, F1101, F14, F15, dll) menjadi teks deskriptif yang manusiawi untuk disimpan ke database dan ditampilkan di frontend. """ # Mengimpor modul ekspresi reguler (re) untuk pencocokan pola string (misal: "1 - Teks") import re # Mengimpor pustaka pandas untuk operasi analisis data dan pengecekan nilai NaN (pd.isna) import pandas as pd # Mengimpor datetime untuk manipulasi tanggal dan timedelta untuk perhitungan selisih hari tanggal serial Excel from datetime import datetime, timedelta # Mengimpor tipe hint dari modul typing: Optional (bisa None), Tuple (pasangan data), Any (tipe fleksibel) from typing import Optional, Tuple, Any # Mengimpor objek Session dari SQLAlchemy ORM untuk interaksi sesi database from sqlalchemy.orm import Session # ========================================================================= # MAPPING KODE KE TEKS JAWABAN (Standar Kuesioner Tracer Study DIKTI) # ========================================================================= # Kamus terpusat yang memetakan kode pertanyaan kuesioner DIKTI ke teks pilihan jawabannya JAWABAN_MAPPING = { # F8: Pertanyaan status aktivitas alumni saat ini 'F8': { 1: 'Bekerja (full time/part time)', # Kode 1: Alumni sudah bekerja penuh/paruh waktu 2: 'Belum memungkinkan bekerja', # Kode 2: Belum dapat bekerja karena alasan tertentu 3: 'Wiraswasta', # Kode 3: Membuka usaha sendiri / wirausaha 4: 'Melanjutkan Pendidikan', # Kode 4: Sedang menempuh studi lanjut S2/Spesialis 5: 'Tidak kerja tetapi sedang mencari kerja', # Kode 5: Pengangguran aktif mencari lowongan }, # F504: Apakah mendapatkan pekerjaan dalam kurun waktu <= 6 bulan setelah lulus? 'F504': { 1: 'Ya', # Kode 1: Ya, dapat kerja <= 6 bulan 2: 'Tidak', # Kode 2: Tidak, dapat kerja > 6 bulan }, # F505: Kisaran rata-rata pendapatan/gaji alumni per bulan 'F505': { 1000000: 'Rp 1.000.000', # Range nominal 1 juta 1500000: 'Rp 1.500.000', # Range nominal 1.5 juta 2000000: 'Rp 2.000.000', # Range nominal 2 juta 2500000: 'Rp 2.500.000', # Range nominal 2.5 juta 3000000: 'Rp 3.000.000', # Range nominal 3 juta 3500000: 'Rp 3.500.000', # Range nominal 3.5 juta 4000000: 'Rp 4.000.000', # Range nominal 4 juta 4500000: 'Rp 4.500.000', # Range nominal 4.5 juta 5000000: 'Rp 5.000.000', # Range nominal 5 juta 6000000: 'Rp 6.000.000', # Range nominal 6 juta 7000000: 'Rp 7.000.000', # Range nominal 7 juta 8000000: '>Rp 8.000.000', # Range nominal di atas 8 juta }, # F1101: Jenis atau bentuk institusi / perusahaan tempat alumni bekerja 'F1101': { 1: 'Instansi pemerintah', # Kode 1: Instansi pemerintah / PNS 2: 'Organisasi non-profit/Lembaga Swadaya Masyarakat', # Kode 2: LSM / Non-profit / Yayasan 3: 'Perusahaan swasta', # Kode 3: Korporasi swasta 4: 'Wiraswasta/perusahaan sendiri', # Kode 4: Usaha mandiri 5: 'Lainnya', # Kode 5: Bentuk instansi lainnya 6: 'BUMN/BUMD', # Kode 6: Badan Usaha Milik Negara / Daerah 7: 'Institusi/Organisasi Multilateral', # Kode 7: Lembaga internasional / PBB dsb. }, # F5d / F5D: Skala tingkatan tempat kerja (wilayah operasional perusahaan) 'F5D': { 1: 'Lokal/wilayah/wiraswasta tidak berbadan hukum', # Kode 1: Skala lokal / UKM non-badan hukum 2: 'Nasional/wiraswasta berbadan hukum', # Kode 2: Skala nasional (PT, CV) 3: 'Multinasional/Internasional', # Kode 3: Skala internasional lintas negara }, 'F5d': { 1: 'Lokal/wilayah/wiraswasta tidak berbadan hukum', # Versi huruf kecil F5d 2: 'Nasional/wiraswasta berbadan hukum', # Versi huruf kecil F5d 3: 'Multinasional/Internasional', # Versi huruf kecil F5d }, # F5c / F5C: Posisi tingkatan jabatan alumni jika berwirausaha 'F5C': { 1: 'Founder', # Pendiri usaha 2: 'Co-Founder', # Rekan pendiri 3: 'Staff', # Staf pelaksana 4: 'Freelance/Kerja Lepas', # Pekerja lepas }, 'F5c': { 1: 'Founder', 2: 'Co-Founder', 3: 'Staff', 4: 'Freelance/Kerja Lepas', }, # F18a / F18A: Sumber pembiayaan untuk studi lanjut 'F18A': { 1: 'Biaya Sendiri', # Biaya mandiri/keluarga 2: 'Beasiswa', # Beasiswa pendidikan }, 'F18a': { 1: 'Biaya Sendiri', 2: 'Beasiswa', }, # F1201: Sumber utama biaya kuliah selama menempuh diploma/sarjana 'F1201': { 1: 'Biaya Sendiri/Keluarga', # Biaya orang tua / pribadi 2: 'Beasiswa ADIK', # Beasiswa Afirmasi Dikti 3: 'Beasiswa BIDIKMISI', # Beasiswa Bidikmisi / KIP-Kuliah 4: 'Beasiswa PPA', # Beasiswa Peningkatan Prestasi Akademik 5: 'Beasiswa AFIRMASI', # Beasiswa Afirmasi daerah 3T 6: 'Beasiswa Perusahaan/Swasta', # Beasiswa industri (Djarum, Tanoto, dll) 7: 'Lainnya', # Sumber bantuan biaya lain }, # F14: Tingkat keeratan hubungan antara program studi dengan bidang pekerjaan 'F14': { 1: 'Sangat Erat', # Relevansi sangat tinggi 2: 'Erat', # Relevansi tinggi 3: 'Cukup Erat', # Relevansi sedang 4: 'Kurang Erat', # Relevansi rendah 5: 'Tidak sama sekali', # Sama sekali tidak relevan }, # F15: Kesesuaian tingkat pendidikan yang dituntut oleh pekerjaan 'F15': { 1: 'Setingkat lebih tinggi', # Butuh strata lebih tinggi (misal butuh S2) 2: 'Tingkat yang sama', # Tepat sesuai jenjang (D4/S1) 3: 'Setingkat lebih rendah', # Cukup jenjang D3/SMA 4: 'Tidak perlu pendidikan tinggi', # Tidak mensyaratkan gelar kuliah }, # F301: Waktu mulai aktif mencari pekerjaan 'F301': { 1: 'Saya mencari kerja sebelum lulus', # Sudah berburu kerja sebelum wisuda 2: 'Saya mencari kerja sesudah wisuda', # Baru mencari setelah resmi diwisuda 3: 'Saya tidak mencari kerja', # Langsung usaha / belum ingin bekerja }, # F1001: Keaktifan mencari pekerjaan dalam kurun 4 minggu terakhir 'F1001': { 1: 'Tidak', # Tidak mencari kerja 2: 'Tidak, tapi saya sedang menunggu hasil lamaran kerja', # Menunggu pengumuman 3: 'Ya, saya akan mulai bekerja dalam 2 minggu ke depan', # Sudah diterima dan siap masuk 4: 'Ya, tapi saya belum pasti akan bekerja dalam 2 minggu ke depan', # Masih proses tes 5: 'Lainnya', # Alasan keaktifan lainnya }, # F1601: Kesesuaian pekerjaan dengan latar belakang pendidikan 'F1601': { 0: 'Tidak sesuai', 1: 'Pekerjaan saya sekarang sudah sesuai dengan pendidikan saya', }, # F1602: Alasan mengapa pekerjaan belum sesuai 'F1602': { 0: 'Pekerjaan saya sudah sesuai', 1: 'Saya belum mendapatkan pekerjaan yang lebih sesuai', }, # F1603 - F1613: Berbagai pertimbangan alasan memilih pekerjaan yang tidak sesuai 'F1603': { 0: 'Pekerjaan saya sudah sesuai', 1: 'Di pekerjaan ini saya memeroleh prospek karir yang baik', }, 'F1604': { 0: 'Pekerjaan saya sudah sesuai', 1: 'Saya lebih suka bekerja di area pekerjaan yang tidak ada hubungannya dengan pendidikan saya', }, 'F1605': { 0: 'Pekerjaan saya sudah sesuai', 1: 'Saya dipromosikan ke posisi yang kurang berhubungan dengan pendidikan saya', }, 'F1606': { 0: 'Pekerjaan saya sudah sesuai', 1: 'Saya dapat memeroleh pendapatan yang lebih tinggi di pekerjaan ini', }, 'F1607': { 0: 'Pekerjaan saya sudah sesuai', 1: 'Pekerjaan saya saat ini lebih aman/terjamin/secure', }, 'F1608': { 0: 'Pekerjaan saya sudah sesuai', 1: 'Pekerjaan saya saat ini lebih menarik', }, 'F1609': { 0: 'Pekerjaan saya sudah sesuai', 1: 'Pekerjaan saya saat ini lebih memungkinkan saya mengambil pekerjaan', }, 'F1610': { 0: 'Pekerjaan saya sudah sesuai', 1: 'Pekerjaan saya saat ini lokasinya lebih dekat dari rumah saya', }, 'F1611': { 0: 'Pekerjaan saya sudah sesuai', 1: 'Pekerjaan saya saat ini dapat lebih menjamin kebutuhan keluarga saya', }, 'F1612': { 0: 'Pekerjaan saya sudah sesuai', 1: 'Pada awal meniti karir ini, saya harus menerima pekerjaan yang tidak berhubungan dengan pendidikan saya', }, 'F1613': { 0: 'Pekerjaan saya sudah sesuai', 1: 'Lainnya', }, } # Mapping resmi kode numerik wilayah provinsi Indonesia (F5a1) PROVINSI_MAPPING = { 10000: 'D.K.I. Jakarta', 20000: 'Jawa Barat', 30000: 'Jawa Tengah', 40000: 'D.I. Yogyakarta', 50000: 'Jawa Timur', 60000: 'Aceh', 70000: 'Sumatera Utara', 80000: 'Sumatera Barat', 90000: 'Riau', 100000: 'Jambi', 110000: 'Sumatera Selatan', 120000: 'Lampung', 130000: 'Kalimantan Barat', 140000: 'Kalimantan Tengah', 150000: 'Kalimantan Selatan', 160000: 'Kalimantan Timur', 170000: 'Sulawesi Utara', 180000: 'Sulawesi Tengah', 190000: 'Sulawesi Selatan', 200000: 'Sulawesi Tenggara', 210000: 'Maluku', 220000: 'Bali', 230000: 'Nusa Tenggara Barat', 240000: 'Nusa Tenggara Timur', 250000: 'Papua', 260000: 'Bengkulu', 270000: 'Maluku Utara', 280000: 'Banten', 290000: 'Kepulauan Bangka Belitung', 300000: 'Gorontalo', 310000: 'Kepulauan Riau', 320000: 'Papua Barat', 330000: 'Sulawesi Barat', 340000: 'Kalimantan Utara', 350000: 'Luar Negeri', } # Mapping beberapa kode utama kabupaten / kota wilayah Jawa Timur (F5a2) KABUPATEN_MAPPING = { 52000: 'Kota Surabaya', 52100: 'Kota Malang', 52200: 'Kota Probolinggo', 52300: 'Kota Pasuruan', 52400: 'Kab. Jember', 52500: 'Kab. Banyuwangi', } # Mapping skala likert 1-5 untuk tingkat kompetensi Dikti (F1761 - F1774) KOMPETENSI_LEVEL = { 1: '1 - Sangat Rendah', 2: '2 - Rendah', 3: '3 - Netral', 4: '4 - Tinggi', 5: '5 - Sangat Tinggi', } # Mapping skala likert 1-5 untuk efektivitas metode pembelajaran di kampus (F21 - F27) METODE_LEVEL = { 1: '1 - Sangat Besar', 2: '2 - Besar', 3: '3 - Cukup Besar', 4: '4 - Kurang', 5: '5 - Tidak Sama Sekali', } # Mapping nilai biner 0 dan 1 untuk saluran pencarian kerja Ya/Tidak (F401 - F415) YA_TIDAK = { 0: '0 - Tidak', 1: '1 - Ya', } # ========================================================================= # FUNGSI-FUNGSI PARSING DATA MENTAH # ========================================================================= # Fungsi untuk memisahkan kode angka dan teks deskripsi dari nilai kolom CSV (khususnya format kuesioner tahun 2024) def parse_2024_value(val) -> Tuple[Optional[int], Optional[str]]: """ Mengurai (parse) nilai kolom dari format ekspor CSV 2024 yang memadukan kode angka dan teks. Contoh pola yang ditangani: - "3 - Cukup Erat" -> menghasilkan tuple: (3, "Cukup Erat") - "1 - Ya" -> menghasilkan tuple: (1, "Ya") - "Rp 3.000.000,- s/d Rp 4.000.000,-" -> menghasilkan tuple: (3000000, teks_asli) - "Bekerja (full time/part time)" -> menghasilkan tuple: (None, teks_asli) Returns: Tuple (kode_as_int, teks_bersih): - kode_as_int: integer angka kode jika berhasil diekstrak, None jika tidak ada - teks_bersih: string teks deskripsi bersih tanpa kode awalan """ # Memeriksa apakah nilai input kosong atau bernilai NaN (Not a Number dari Pandas) if pd.isna(val) or val == '': # Kembalikan None untuk kedua elemen jika tidak ada data return None, None # Jika nilai sudah bertipe numerik langsung (int atau float murni) if isinstance(val, (int, float)): # Konversi ke int jika nilai bulat, jika desimal return None untuk kode return int(val) if val == int(val) else None, None # Mengubah nilai menjadi tipe string dan membuang spasi kosong di awal/akhir val_str = str(val).strip() # Memeriksa jika string hasil strip adalah string kosong atau representasi literal null ('nan', 'None') if val_str in ['', 'nan', 'None']: return None, None # Mencocokkan dengan pola Regex: Angka di awal diikuti tanda strip/dash lalu teks (misal: "1 - Teks" atau "12 - Teks") match = re.match(r'^\s*(\d+)\s*[-–—]\s*(.+)$', val_str) # Jika pola angka strip teks cocok if match: # Mengambil grup angka pertama dan mengonversinya ke integer kode = int(match.group(1)) # Mengambil grup teks kedua dan membersihkan spasi teks = match.group(2).strip() # Mengembalikan pasangan (kode, teks) return kode, teks # Pola khusus untuk teks rentang nominal gaji (contoh: "Rp 3.000.000,- s/d Rp 4.000.000,-") if 's/d' in val_str or 'sd' in val_str.lower(): # Mengekstrak seluruh digit angka dan titik sebelum pemisah 's/d' numbers = re.findall(r'[\d.]+', val_str.split('s/d')[0] if 's/d' in val_str else val_str.split('sd')[0]) # Jika digit angka berhasil ditemukan if numbers: try: # Mengambil angka batas bawah, menghapus tanda pemisah titik, dan mengonversinya ke integer num = int(numbers[-1].replace('.', '')) # Mengembalikan angka nominal batas bawah bersama string teks aslinya return num, val_str except: # Jika konversi gagal, abaikan dan lanjut ke fallback pass # Jika sudah berupa string teks bebas tanpa format kode di depannya, kembalikan teks apa adanya return None, val_str # Fungsi untuk memvalidasi dan mengonversi format tanggal string atau serial Excel ke standar format tanggal MySQL (YYYY-MM-DD) def parse_date(val) -> Optional[str]: """ Mengonversi berbagai variasi format penanggalan dari file CSV atau format angka serial Excel menjadi string tanggal baku ISO (YYYY-MM-DD). """ # Memeriksa jika nilai tanggal bernilai kosong atau None if pd.isna(val) or val is None or val == '': return None # Jika nilai input sudah merupakan instance objek datetime atau pandas Timestamp if isinstance(val, (datetime, pd.Timestamp)): # Format langsung menjadi 'YYYY-MM-DD' return val.strftime('%Y-%m-%d') # Mengubah nilai menjadi string bersih val_str = str(val).strip() # Mengabaikan string kosong atau karakter placeholder umum seperti tanda strip if val_str in ['', 'nan', 'None', '-', '_', '0']: return None # Memeriksa kemungkinan format angka serial tanggal bawaan Microsoft Excel (misal: angka 44794 merepresentasikan hari sejak 30-12-1899) try: float_val = float(val_str) # Rentang serial number tanggal Excel valid (antara rentang tahun 1980 - 2064) if 30000 <= float_val <= 60000: # Menghitung tanggal kalender dengan menambahkan selisih hari ke basis kalender Excel (30 Desember 1899) excel_date = datetime(1899, 12, 30) + timedelta(days=float_val) # Mengembalikan tanggal dalam format string 'YYYY-MM-DD' return excel_date.strftime('%Y-%m-%d') except (ValueError, TypeError): # Jika bukan angka serial Excel, lanjutkan ke parsing format tanggal teks pass # Daftar format pola string penanggalan umum yang sering muncul pada spreadsheet kuesioner formats = [ '%Y-%m-%d', '%Y/%m/%d', '%d-%m-%Y', '%d/%m/%Y', '%m-%d-%Y', '%m/%d/%Y', '%d-%m-%y', '%d/%m/%y', '%m-%d-%y', '%m/%d/%y', '%Y-%m-%d %H:%M:%S', '%Y/%m/%d %H:%M:%S', '%d/%m/%Y %H:%M:%S', '%d-%m-%Y %H:%M:%S' ] # Mencoba mencocokkan nilai string dengan setiap format tanggal yang tersedia for fmt in formats: try: # Jika format cocok, kembalikan tanggal terformat ISO return datetime.strptime(val_str, fmt).strftime('%Y-%m-%d') except ValueError: # Jika tidak cocok, coba format berikutnya di list continue # Kembalikan None jika tidak ada satupun pola tanggal yang cocok return None # ========================================================================= # FUNGSI-FUNGSI KONVERSI NILAI KUESIONER # ========================================================================= # Fungsi utama untuk menerjemahkan nilai kode jawaban mentah menjadi teks deskriptif def konversi_jawaban(field_code: Optional[str], nilai, db: Optional[Session] = None) -> Any: """ Mengonversi kode angka kuesioner ke teks label jawaban yang sesuai. PENTING: Nilai 0 ADALAH jawaban valid untuk beberapa field kuesioner: - F502: 0 bulan (artinya langsung bekerja saat lulus kuliah) - F302/F303: 0 bulan (mulai mencari saat lulus) - F401-F415: 0 bernilai "Tidak", 1 bernilai "Ya" Args: field_code: Kode butir pertanyaan (contoh: 'F14', 'F504') nilai: Nilai mentah dari sel CSV db: Sesi koneksi database opsional Returns: Nilai teks yang telah dikonversi, atau None jika sel kosong """ # Memeriksa sel kosong atau NaN if pd.isna(nilai) or nilai == '': return None # Memeriksa string kosong setelah pembersihan spasi if isinstance(nilai, str) and nilai.strip() in ['', 'nan', 'None']: return None # Penanganan data kuesioner format 2024 yang sudah memuat "KODE - TEKS" if isinstance(nilai, str): # Mencocokkan regex pola angka strip teks match = re.match(r'^\s*(\d+)\s*[-–—]\s*(.+)$', nilai) if match: kode = int(match.group(1)) teks = match.group(2).strip() # Jika teks memiliki deskripsi yang cukup panjang (>5 karakter), gunakan langsung teks tersebut if len(teks) > 5: return teks # Jika nilai diawali huruf (sudah berbentuk teks naratif penuh tanpa angka kode) if not nilai[0].isdigit() if nilai else True: return nilai.strip() # Menyimpan nilai asli sebelum dikonversi original_nilai = nilai # Konversi string angka menjadi integer if isinstance(nilai, str): try: nilai = int(nilai) except ValueError: pass # Konversi float murni (misal 1.0) menjadi integer (1) if isinstance(nilai, float): if nilai != int(nilai): return None # Mengabaikan bilangan desimal yang tidak valid untuk kode kuesioner nilai = int(nilai) # Menentukan nilai kunci pencarian (key) nilai_key: Any = int(nilai) if isinstance(nilai, (int, float)) else nilai # Mengubah kode field menjadi huruf kapital bersih code_upper = field_code.upper().strip() if field_code else '' # ================= Konversi Berdasarkan Kode Pertanyaan Spesifik ================= # F1761-F1774: Penilaian 7 kelompok kompetensi saat lulus & saat ini (skala 1-5, nilai 0 diabaikan menjadi NULL) if code_upper in ['F1761', 'F1762', 'F1763', 'F1764', 'F1765', 'F1766', 'F1767', 'F1768', 'F1769', 'F1770', 'F1771', 'F1772', 'F1773', 'F1774']: if nilai_key == 0: return None return KOMPETENSI_LEVEL.get(nilai_key) # F21-F27: Evaluasi metode pembelajaran di kampus (skala 1-5, nilai 0 diabaikan menjadi NULL) if code_upper in ['F21', 'F22', 'F23', 'F24', 'F25', 'F26', 'F27']: if nilai_key == 0: return None return METODE_LEVEL.get(nilai_key) # F401-F415: Saluran cara mencari pekerjaan (jawaban biner: 0 = "Tidak", 1 = "Ya") if code_upper in ['F401', 'F402', 'F403', 'F404', 'F405', 'F406', 'F407', 'F408', 'F409', 'F410', 'F411', 'F412', 'F413', 'F414', 'F415']: return YA_TIDAK.get(nilai_key) # F504: Status mendapatkan pekerjaan dalam <= 6 bulan (1 = Ya, 2 = Tidak) if code_upper == 'F504': return JAWABAN_MAPPING.get('F504', {}).get(nilai_key) # F505: Rata-rata pendapatan gaji per bulan (pencocokan ke range atau format mata uang Rupiah) if code_upper == 'F505': if nilai_key in JAWABAN_MAPPING.get('F505', {}): return JAWABAN_MAPPING['F505'][nilai_key] if isinstance(nilai_key, (int, float)) and nilai_key > 0: return f"Rp {int(nilai_key):,}".replace(',', '.') if isinstance(nilai, str) and nilai.strip() and nilai.strip() not in ['0', '0.0']: return nilai.strip() return None # F1601-F1613: Pertimbangan alasan memilih pekerjaan yang tidak sesuai bidang if code_upper in ['F1601', 'F1602', 'F1603', 'F1604', 'F1605', 'F1606', 'F1607', 'F1608', 'F1609', 'F1610', 'F1611', 'F1612', 'F1613']: if code_upper in JAWABAN_MAPPING: return JAWABAN_MAPPING[code_upper].get(nilai_key) return YA_TIDAK.get(nilai_key) # F502, F302, F303: Jumlah durasi bulan masa tunggu mencari kerja (nilai 0 s.d. 12 valid berupa angka murni) if code_upper in ['F502', 'F302', 'F303']: return nilai_key # Dikembalikan sebagai angka numerik murni # F5A1: Wilayah provinsi tempat bekerja (konversi kode provinsi ke nama provinsi) if code_upper == 'F5A1': nama_provinsi = PROVINSI_MAPPING.get(nilai_key) if nama_provinsi: return f"{nilai_key} - {nama_provinsi}" return nilai_key # F5A2: Wilayah kabupaten atau kota tempat bekerja if code_upper == 'F5A2': nama_kabupaten = KABUPATEN_MAPPING.get(nilai_key) if nama_kabupaten: return f"{nilai_key} - {nama_kabupaten}" return nilai_key # Pengecekan pada kamus umum JAWABAN_MAPPING untuk kode lainnya if code_upper in JAWABAN_MAPPING: return JAWABAN_MAPPING[code_upper].get(nilai_key) if field_code in JAWABAN_MAPPING: return JAWABAN_MAPPING[field_code].get(nilai_key) # Nilai bawaan jika tidak ada kamus pencocokan: kembalikan nilai asli return original_nilai # Fungsi pembantu untuk memilih apakah menyimpan kode numerik atau teks deskripsi sesuai tipe kolom di database def convert_value_for_field(field_code: str, kode: int, teks: str, is_numeric_field: bool) -> Any: """ Menentukan representasi data akhir yang akan disimpan ke database berdasarkan tipe kolom tabel target. Args: field_code: Kode butir pertanyaan (contoh: 'F14', 'F504') kode: Angka kode jawaban hasil parsing teks: Teks label jawaban hasil parsing is_numeric_field: Bernilai True jika kolom database bertipe integer (misal: bulan tunggu) Returns: Nilai yang telah disesuaikan dengan tipe kolom database """ # Jika kolom database adalah tipe numerik integer, prioritaskan mengembalikan kode angka if is_numeric_field: return kode # Jika teks deskripsi tersedia dan panjangnya memadai, gunakan teks deskriptif if teks and len(teks) > 5: return teks # Jika kode angka ada, coba konversikan kode tersebut ke teks melalui fungsi konversi_jawaban if kode is not None: return konversi_jawaban(field_code, kode) # Opsi fallback terakhir: kembalikan teks return teks