Update model_handler.py

model_handler.py

@@ -1,15 +1,13 @@
 import numpy as np
 import torch
-# Menggunakan ChronosPipeline untuk pemuatan dan inferensi yang efisien
-# PENTING: Class ini hanya tersedia jika 'chronos-forecasting' terinstal
-from chronos import ChronosPipeline 
+# PENTING: Class ini adalah satu-satunya cara yang benar untuk memuat Chronos-2
+# Memerlukan instalasi: git+https://github.com/amazon-science/chronos-forecasting.git
+from chronos import Chronos2Pipeline
 
 class ModelHandler:
     def __init__(self):
-        # Mengganti model lama dengan Chronos-2
         self.model_name = "amazon/chronos-2" 
         self.pipeline = None
-        # Penentuan device: "cuda" jika ada GPU, jika tidak "cpu"
         self.device = "cuda" if torch.cuda.is_available() else "cpu"
         self.load_model()
     
@@ -18,7 +16,7 @@ class ModelHandler:
         try:
             print(f"Loading {self.model_name} on {self.device}...")
             
-            # Ini adalah fix-nya: ChronosPipeline.from_pretrained menangani semua konfigurasi
+            # FIX UTAMA: Pemuatan otomatis oleh pipeline
             self.pipeline = ChronosPipeline.from_pretrained(
                 self.model_name,
                 device_map=self.device,
@@ -31,7 +29,7 @@ class ModelHandler:
             self.pipeline = None
     
     def predict(self, data, horizon=10):
-        """Generate predictions using Chronos-2 or fallback. 'data' must be the dict from data_processor.prepare_for_chronos."""
+        """Generate predictions using Chronos-2 or fallback."""
         try:
             # Memastikan data valid
             if data is None or not isinstance(data, dict) or 'original' not in data or len(data['original']) < 20:
@@ -59,7 +57,6 @@ class ModelHandler:
                 num_samples=20 
             )
             
-            # Mengambil nilai rata-rata (mean) dari semua sampel untuk plot garis tunggal
             mean_predictions = np.mean(predictions_samples, axis=0)
             
             return mean_predictions