app.py

import streamlit as st
import spacy

# Load the custom spaCy model
nlp = spacy.load("en_pipeline")

def extract_skills(text):
    # Process the text with the loaded spaCy model
    doc = nlp(text)
    skills = []
    for ent in doc.ents:
        if ent.label_ == "SKILL":  # Ganti dengan label yang sesuai jika berbeda
            skills.append(ent.text)
    return skills

# Streamlit UI
st.title("Ekstraksi Keterampilan dari Deskripsi Pekerjaan")

# Input deskripsi pekerjaan
job_description = st.text_area("Masukkan Deskripsi Pekerjaan", "")

if st.button("Ekstrak Keterampilan"):
    if job_description:
        # Ekstrak keterampilan menggunakan model NER
        skills = extract_skills(job_description)
        if skills:
            st.write("Keterampilan yang diekstrak:")
            for skill in skills:
                st.write(f"- {skill}")
        else:
            st.write("Tidak ada keterampilan yang ditemukan.")
    else:
        st.write("Silakan masukkan deskripsi pekerjaan.")