codelumera · mokesano · May 4, 2026 · May 4, 2026
diff --git a/.gitignore b/.gitignore
@@ -1 +1 @@
-Nothing should be ignored based on the provided file changes. The only file added is SETUP_LOCALHOST.md, which is a markdown documentation file and should not be ignored.
+Nothing to output - the modified file is just README.md which is a source/config file and doesn't require any gitignore entries.
diff --git a/README.md b/README.md
@@ -5,74 +5,235 @@
 [![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
 [![Python 3.9+](https://img.shields.io/badge/python-3.9+-blue.svg)](https://www.python.org/downloads/)
 [![NetworkX](https://img.shields.io/badge/NetworkX-3.0+-green.svg)](https://networkx.org/)
+[![Tests](https://img.shields.io/badge/tests-32%20passed-brightgreen.svg)](https://github.com/stipwunaraha/latent-knowledge-diffusion-index)
 
 > *"Melacak hantu ide: Ketika pemikiran dari masa lalu tiba-tiba menjadi solusi masa depan."*
 
-**L-KDI** adalah algoritma untuk mendeteksi **Revival Impact Factor (RIF)**—fenomena ketika sebuah ide dari disertasi doktoral tahun 1970-an tiba-tiba muncul kembali sebagai solusi utama untuk masalah AI modern. Kita menyebutnya "hantu" ide, dan proyek ini melacaknya di korpus teks ilmiah yang sangat besar.
+**L-KDI** adalah pustaka Python open-source untuk mendeteksi fenomena **"Sleeping Beauties"** dalam literatur ilmiah—makalah yang awalnya terabaikan lalu menjadi sangat berpengaruh setelah masa dormansi panjang. Library ini menghitung **Revival Impact Factor (RIF)** dan menganalisis pola difusi pengetahuan melalui graf sitasi temporal.
 
-### 💡 Ide Utama
-Banyak terobosan ilmiah yang sebenarnya merupakan *rediscovery* dari konsep lama. Contoh klasik: *Backpropagation* dan *Convolutional Neural Networks* sudah ada sejak puluhan tahun sebelum menjadi dominan. Metrik saat ini tidak menghargai *delayed impact* ini.
+## 🎯 Fitur Utama
 
-L-KDI mengukur "jarak difusi" (`diffusion distance`) dan "waktu latensi" (`latency time`) dengan:
-1.  **Diffusion Meme Score**: Mengevaluasi jarak difusi pengetahuan dalam jaringan sitasi makalah menggunakan *network embedding space*.
-2.  **Knowledge Diffusion Breakthrough**: Mengukur seberapa besar sebuah karya mendobrak batasan bidang ilmunya.
+- 🔍 **Deteksi Otomatis Kebangkitan Ide**: Identifikasi makalah dengan periode dormansi diikuti lonjakan sitasi
+- 📊 **Metrik L-KDI & RIF**: Kuantifikasi dampak tertunda (delayed impact) dalam sains
+- 🕸️ **Analisis Graf Sitasi Temporal**: Bangun dan analisis jaringan sitasi dengan bobot waktu
+- 🌐 **Integrasi Data Multi-Sumber**: Fetch data dari OpenAlex API dan Semantic Scholar
+- 🧠 **Ekstraksi Konsep Kunci**: NLP-powered extraction untuk identifikasi ide yang di-revive
+- 📈 **Visualisasi Timeline**: Dashboard Streamlit untuk eksplorasi interaktif
 
-### 📐 Metodologi
+## 💡 Mengapa L-KDI?
 
-Kami mengusulkan tiga komponen utama:
+Banyak terobosan ilmiah sebenarnya merupakan *rediscovery* dari konsep lama:
+- **Backpropagation** (1974 → 1986 → 2010s)
+- **Convolutional Neural Networks** (1980s → 2012)
+- **Attention Mechanism** (2014 → 2017)
 
-1.  **Pembangkit Graf Sitasi Temporal**: Membangun jaringan sitasi dengan bobot berdasarkan waktu dan kesamaan konten.
-2.  **Kalkulasi "Jarak Difusi"**: Menggunakan *random walk with restart* atau metrik berbasis *embedding* untuk mengukur seberapa jauh sebuah konsep bergerak melintasi ruang dan waktu.
-3.  **Skor RIF (Revival Impact Factor)**: Formula untuk mengkuantifikasi lonjakan perhatian setelah periode dormansi panjang.
+Metrik tradisional tidak menangkap *delayed impact* ini. L-KDI mengisi celah tersebut dengan mengukur:
+1. **Diffusion Distance**: Seberapa jauh konsep bergerak melintasi ruang ilmu
+2. **Latency Time**: Durasi periode dormansi sebelum kebangkitan
+3. **Breakthrough Score**: Sejauh mana karya mendobrak batasan bidang
 
-```python
-# Pseudocode konsep L-KDI
-def calculate_rif(paper):
-    # 1. Dapatkan semua sitasi ke paper ini, kelompokkan per tahun
-    citation_timeline = get_citations_per_year(paper)
-
-    # 2. Deteksi "periode dormansi" (min 10 tahun tanpa sitasi signifikan)
-    dormant_start, dormant_end = detect_dormancy(citation_timeline)
-
-    # 3. Jika ada lonjakan sitasi > threshold setelah dormansi
-    if has_revival_spike(citation_timeline, dormant_end):
-        # 4. Hitung RIF = (Tinggi Lonjakan) * (Faktor Kelangkaan)
-        return spike_magnitude * rarity_factor
-
-    return 0.0
-```
+## 📦 Instalasi Cepat
 
-### 📦 Instalasi & Penggunaan
+### Prasyarat
+- Python 3.9 atau lebih tinggi
+- pip (Python package manager)
+- Git
+
+### Langkah Instalasi (5 Menit)
 
 ```bash
+# 1. Clone repository
 git clone https://github.com/stipwunaraha/latent-knowledge-diffusion-index.git
 cd latent-knowledge-diffusion-index
+
+# 2. Buat virtual environment (direkomendasikan)
+python -m venv venv
+
+# 3. Aktifkan virtual environment
+# Linux/Mac:
+source venv/bin/activate
+# Windows:
+# venv\Scripts\activate
+
+# 4. Install semua dependensi
 pip install -r requirements.txt
+
+# 5. Verifikasi instalasi dengan menjalankan test suite
+python -m pytest tests/ -v
 ```
 
-**Contoh:** Menganalisis "hantu" ide *Backpropagation*:
+✅ Jika semua 32 test lulus, library siap digunakan!
+
+## 🚀 Cara Penggunaan
+
+### Contoh 1: Analisis Paper dengan DOI
 
 ```python
 from lkdi import RevivalDetector
 
+# Inisialisasi detector dengan sumber data OpenAlex
 detector = RevivalDetector(data_source="openalex")
 
-# Analisis makalah seminal Rumelhart et al. (1986)
+# Analisis makalah seminal Backpropagation (Rumelhart et al., 1986)
 result = detector.analyze(doi="10.1038/323533a0")
 
-print(f"Revival Impact Factor (RIF): {result.rif_score}")
-print(f"Periode Dormansi: {result.dormant_period}")
-print(f"Konsep yang di-revive: {result.key_concepts}")
+print(f"📊 Revival Impact Factor (RIF): {result.rif_score:.2f}")
+print(f"⏳ Periode Dormansi: {result.dormant_period}")
+print(f"💡 Konsep yang di-revive: {result.key_concepts}")
+print(f"📈 Total Sitasi: {result.total_citations}")
+```
+
+### Contoh 2: Bangun Graf Sitasi Custom
+
+```python
+from lkdi import CitationGraphBuilder
+
+# Inisialisasi builder
+builder = CitationGraphBuilder()
+
+# Tambahkan paper ke graf
+builder.add_paper("paper_1", year=1980, title="Early Neural Nets")
+builder.add_paper("paper_2", year=1986, title="Learning Representations")
+builder.add_paper("paper_3", year=2012, title="Deep Learning Revolution")
+
+# Tambahkan edge sitasi
+builder.add_edge("paper_2", "paper_1", weight=0.8)  # paper_2 sitasi paper_1
+builder.add_edge("paper_3", "paper_2", weight=0.9)
+
+# Bangun graf
+graph = builder.build()
+
+# Hitung centrality metrics
+centralities = builder.compute_centrality(graph)
+print(f"PageRank scores: {centralities['pagerank']}")
+```
+
+### Contoh 3: Gunakan Fungsi Metrik Langsung
+
+```python
+from lkdi.metrics import detect_dormancy, calculate_rif, diffusion_distance
+
+# Timeline sitasi per tahun
+citations = [2, 1, 0, 1, 0, 0, 1, 2, 15, 45, 120, 300]
+
+# Deteksi periode dormansi
+dormant = detect_dormancy(citations, min_years=5)
+print(f"Dormant period: {dormant}")
+
+# Hitung RIF score
+rif = calculate_rif(citations)
+print(f"RIF Score: {rif}")
+```
+
+## 📁 Struktur Repository
+
 ```
+latent-knowledge-diffusion-index/
+├── lkdi/                      # Package utama
+│   ├── __init__.py           # Export modul publik
+│   ├── metrics.py            # Fungsi metrik inti (RIF, dormancy, dll)
+│   ├── graph_builder.py      # Class CitationGraphBuilder
+│   └── detector.py           # Class RevivalDetector
+├── tests/                     # Test suite
+│   ├── conftest.py           # Konfigurasi pytest
+│   ├── test_metrics.py       # Test fungsi metrik
+│   ├── test_graph_builder.py # Test graph builder
+│   └── test_detector.py      # Test detector
+├── requirements.txt          # Daftar dependensi
+├── INSTALLATION.md           # Panduan instalasi detail
+├── SETUP_LOCALHOST.md        # Setup localhost cepat
+└── README.md                 # Dokumentasi ini
+```
+
+## 🧪 Pengujian
+
+Jalankan seluruh test suite:
+
+```bash
+# Semua test dengan verbose output
+python -m pytest tests/ -v
+
+# Dengan coverage report
+python -m pytest tests/ --cov=lkdi --cov-report=html
+
+# Test spesifik
+python -m pytest tests/test_metrics.py -v
+```
+
+## 🛠️ Development Tools
+
+Repository ini menyertakan tools untuk development:
+
+- **Black**: Code formatting (`black lkdi/ tests/`)
+- **Flake8**: Linting (`flake8 lkdi/ tests/`)
+- **Pytest**: Testing framework dengan coverage
+- **Streamlit**: Dashboard visualisasi (opsional)
+
+## 📚 Dokumentasi Lengkap
+
+- **[INSTALLATION.md](INSTALLATION.md)**: Panduan instalasi detail dengan troubleshooting
+- **[SETUP_LOCALHOST.md](SETUP_LOCALHOST.md)**: Setup cepat untuk pengembangan localhost
+- **Docstrings**: Setiap fungsi dan class memiliki docstring lengkap
+
+## 🔧 Troubleshooting Umum
+
+| Masalah | Solusi |
+|---------|--------|
+| `ModuleNotFoundError` | Pastikan virtual environment aktif dan `pip install -r requirements.txt` sudah dijalankan |
+| Gagal install dependency | Coba upgrade pip: `pip install --upgrade pip` |
+| Timeout API OpenAlex | Periksa koneksi internet atau gunakan mode offline dengan data lokal |
+| Test gagal | Pastikan versi Python ≥ 3.9 |
+
+Untuk panduan troubleshooting lengkap, lihat [INSTALLATION.md](INSTALLATION.md#troubleshooting).
+
+## 🗺️ Roadmap
+
+- [x] ✅ Implementasi core metrics (RIF, dormancy detection)
+- [x] ✅ Graph builder dengan NetworkX
+- [x] ✅ RevivalDetector dengan OpenAlex integration
+- [x] ✅ Test suite lengkap (32 tests)
+- [ ] Visualisasi timeline interaktif dengan Streamlit
+- [ ] Support multiple data sources (Crossref, PubMed)
+- [ ] CLI interface untuk analisis batch
+- [ ] Pre-trained models untuk ekstraksi konsep
+- [ ] Dashboard web untuk eksplorasi data
+
+## 🤝 Kontribusi
+
+Kami menyambut kontribusi! Cara berkontribusi:
+
+1. Fork repository ini
+2. Buat branch fitur (`git checkout -b feature/amazing-feature`)
+3. Commit perubahan (`git commit -m 'Add amazing feature'`)
+4. Push ke branch (`git push origin feature/amazing-feature`)
+5. Buka Pull Request
+
+Lihat [Issues](https://github.com/stipwunaraha/latent-knowledge-diffusion-index/issues) untuk task yang bisa dikerjakan.
+
+### Standar Kode
+- Gunakan Black untuk formatting
+- Jalankan Flake8 untuk linting
+- Pastikan semua test lulus sebelum submit PR
+- Tambahkan test untuk fitur baru
+
+## 📄 Lisensi
+
+Distributed under the **MIT License**. Lihat [LICENSE](LICENSE) untuk detail.
+
+## 🙏 Acknowledgements
+
+- [OpenAlex](https://openalex.org/) - Sumber data bibliografik terbuka
+- [Semantic Scholar](https://www.semanticscholar.org/) - API pencarian akademik
+- [NetworkX](https://networkx.org/) - Library graf Python
+- Konsep "Sleeping Beauties" dari ilmuometri
+
+## 📬 Kontak
 
-### 🚧 Roadmap
-- [ ] Implementasi *graph builder* dari OpenAlex.
-- [ ] Algoritma deteksi dormansi berbasis statistik.
-- [ ] Visualisasi *timeline* kebangkitan ide (streamlit).
-- [ ] Studi kasus: *Attention Mechanism* (dari Bahdanau 2014 ke Transformer 2017).
+- Repository: [GitHub](https://github.com/stipwunaraha/latent-knowledge-diffusion-index)
+- Issues: [Laporkan bug atau request fitur](https://github.com/stipwunaraha/latent-knowledge-diffusion-index/issues)
 
-### 🤝 Kontribusi
-Lihat [Issues](https://github.com/stipwunaraha/latent-knowledge-diffusion-index/issues) untuk tugas-tugas yang bisa dikerjakan.
+---
 
-### 📄 Lisensi
-MIT License.
+<p align="center">
+  <strong>Dibuat dengan ❤️ untuk komunitas riset terbuka</strong>
+</p>
Original file line number	Diff line number	Diff line change
		@@ -1 +1 @@
		Nothing should be ignored based on the provided file changes. The only file added is SETUP_LOCALHOST.md, which is a markdown documentation file and should not be ignored.
		Nothing to output - the modified file is just README.md which is a source/config file and doesn't require any gitignore entries.