Cunny — Media Pembelajaran AI Interaktif (K-12)

Cunny adalah aplikasi Android berbasis Jetpack Compose yang dirancang sebagai media pembelajaran kecerdasan buatan (AI) interaktif untuk siswa K-12. Aplikasi ini mengutamakan metode belajar berbasis praktik (learning by doing) melalui simulasi interaktif (sandbox widgets), pengenalan objek secara lokal (on-device ML), dan elemen gamifikasi yang menarik.

Seluruh antarmuka dilokalisasi penuh dalam Bahasa Indonesia (ID-First) dengan visual 3D Tactile Glassmorphism.

🚀 Fitur Utama

100% Bahasa Indonesia (ID-First): Seluruh modul pembelajaran, antarmuka kuis, teks penjelasan AI, navigasi, dan dialog telah dilokalisasi penuh ke Bahasa Indonesia.
On-Device Fruit Scanner (ML): Pemindaian gambar buah langsung dari kamera/galeri secara offline menggunakan LiteRT (TensorFlow Lite) 1.4.2 (~4MB model fruit_classifier.tflite berbasis MobileNet, 20 kelas buah). AI memberikan deteksi kelas dan narasi penjelasan cerdas (Rationale) dalam Bahasa Indonesia melalui ExplainabilityEngine.
19 Widget Sandbox Interaktif: Simulasi kognitif visual hands-on di setiap pelajaran (lihat tabel lengkap di bawah).
Sistem Desain 3D Taktil (Cunny Style): Antarmuka premium yang memadukan kaca buram (glassmorphism), elevasi 3D padat (tactileShadow), serta efek pegas (spring animations) untuk navigasi yang taktil dan menyenangkan.
Sistem Gamifikasi: Akumulasi XP, level-up otomatis, pelacak streak harian, energi terbatas (recharge harian), dan lencana pencapaian (Badges) interaktif.
Maskot Coji: Maskot robot AI interaktif (animasi Lottie bundled) yang menemani pengguna di seluruh halaman — bisa diketuk untuk animasi bounce dan efek suara.
Narasi Suara (TTS): Fitur text-to-speech opsional untuk membacakan konten pelajaran kepada pengguna muda.
Age Gate & Parental Control (COPPA): Onboarding dengan verifikasi umur, halaman pembatasan orang tua, dan pengiriman email persetujuan — dirancang sesuai standar COPPA.
Sinkronisasi Offline-First: Caching jaringan berbasis Retrofit/OkHttp dan database lokal Room dengan sinkronisasi otomatis menggunakan Android WorkManager.

🛠️ Tech Stack

Layer	Stack
UI	Kotlin, Jetpack Compose, Material3, Phosphor Icons
Navigation	Navigation Compose (single-Activity, NavHost)
Networking	Retrofit + OkHttp cache + Gson
Local DB	Room + DataStore Preferences
Auth	Firebase Auth + Credential Manager + Google Sign-In
ML	LiteRT / TensorFlow Lite 1.4.2 (on-device, 20 kelas buah)
Animation	Lottie Compose (maskot), Spring physics, Staggered enter
Background Sync	WorkManager (retry queue, batched sync)
Billing	Google Play Billing 7.1.1
Monitoring	Firebase Crashlytics
Icons	Phosphor Icons 1.0.0 (menggantikan emoji)
Content API	Cloudflare Workers (Hono framework)

🏗️ Arsitektur Aplikasi

graph TD
    subgraph "UI Layer (Jetpack Compose)"
        A["MainActivity / NavHost"] --> B["HomeScreen (Beranda)"]
        A --> C["CoursesScreen (Materi)"]
        A --> D["PlaygroundScreen"]
        A --> E["ProfileScreen / Settings"]
        A --> F["PredictionScreen (Hasil Scanner)"]
        A --> G["LessonScreen (Pelajaran + Widget)"]
    end

    subgraph "Business & ML Logic"
        H["HomeViewModel"] --> I["ProgressRepository"]
        J["PracticeViewModel"] --> K["FruitClassifier (LiteRT)"]
        J --> L["ExplainabilityEngine"]
        M["CourseViewModel"] --> N["CourseRepository"]
        O["GamificationManager"] --> P["SyncManager"]
    end

    subgraph "Data & Cache Layer"
        I --> Q[("Room DB")]
        I --> R[("DataStore")]
        N --> S["Retrofit API Client"]
        S --> T["OkHttp Cache"]
        P --> U["WorkManager"]
    end

    subgraph "External Services"
        S --> V["Cloudflare Workers API"]
        A --> W["Firebase Auth"]
        W --> X["Google Sign-In"]
        U --> Y["Firebase Crashlytics"]
    end

📦 Struktur Project

Cunny/
├── Cunny/                              App Android (Kotlin + Jetpack Compose)
│   ├── app/src/main/
│   │   ├── assets/
│   │   │   ├── cunny-mascot.json       Lottie animation (maskot Coji, bundled)
│   │   │   ├── fruit_classifier.tflite Model ML on-device (~4MB, MobileNet)
│   │   │   ├── fruit_labels.json       20 kelas buah (label ID/EN + rationale)
│   │   │   └── images/courses/         Ilustrasi halaman materi
│   │   ├── java/com/eleonorez/cunny/
│   │   │   ├── data/                   Repositories, Retrofit, Room, SyncManager
│   │   │   ├── ml/                     FruitClassifier, ExplainabilityEngine
│   │   │   ├── ui/compose/
│   │   │   │   ├── components/         GlassSurface, CunnyBottomBar, Confetti, dll
│   │   │   │   ├── screens/            17 layar (home, lesson, practice, auth, dll)
│   │   │   │   │   └── lesson/widgets/ 19 sandbox widget interaktif
│   │   │   │   └── theme/             Warna, Font (Sora/DM Sans), Dimens
│   │   │   └── helper/                GamificationManager, SoundSynthesizer
│   │   └── res/                        Drawable, strings, layout resources
│   └── app/src/test/                   Unit tests (JUnit, Mockito)
│
├── cunny-lessons-api/                  Content API (Cloudflare Workers)
│   ├── src/                            Source code API (Hono framework)
│   └── wrangler.toml                   Konfigurasi deployment Cloudflare
│
├── docs/
│   ├── legal/                          Privacy Policy, ToS, COPPA Evaluation
│   ├── ARCHITECTURE.md                 Dokumentasi arsitektur teknis
│   ├── GUIDE-cunny-preview-refined.md  Spesifikasi UI/design parity
│   └── Journal/                        Referensi jurnal akademik
│
├── web-preview-design/                 HTML prototype (visual source of truth)
├── assets/                             Aset visual: ikon, maskot, palet warna
│   ├── ai-path/                        Ilustrasi peta belajar (4 kategori)
│   ├── cunny-mascot.json               Lottie source file
│   └── cunny-icon.png                  Ikon aplikasi
│
└── README.md                           Dokumentasi ini

🛠️ Panduan Build Lokal

Prasyarat

Android Studio Koala atau lebih baru
JDK 17+
Android SDK 36 (Android 15)

Langkah Pemasangan

Clone Repositori:

git clone https://github.com/samlehoy/Cunny.git
cd Cunny/Cunny

Pengaturan Kredensial: Salin berkas contoh konfigurasi lokal:

cp local.properties.example local.properties

Isi konfigurasi local.properties Anda:

Key	Keterangan
`WEB_CLIENT_ID`	Firebase Web Client ID untuk Google Sign-In
`RELEASE_STORE_FILE`	Path ke keystore file (hanya release build)
`RELEASE_STORE_PASSWORD`	Password keystore
`RELEASE_KEY_ALIAS`	Key alias
`RELEASE_KEY_PASSWORD`	Key password

Kompilasi Debug APK:
```
.\gradlew.bat :app:assembleDebug
```
Hasil build dapat ditemukan di Cunny/app/build/outputs/apk/debug/app-debug.apk.
Menjalankan Unit Test:
```
.\gradlew.bat :app:testDebugUnitTest
```
Build Release APK (opsional, memerlukan signing config):
```
.\gradlew.bat :app:assembleRelease
```

🌐 Content API

API konten pelajaran di-host di Cloudflare Workers menggunakan framework Hono. Source code ada di folder cunny-lessons-api/.

Live Endpoint: https://cunny-content-api.muttaqien0111.workers.dev/

Endpoint Utama

Method	Endpoint	Deskripsi
`GET`	`/categories`	Daftar semua kategori pelajaran
`GET`	`/courses`	Daftar semua course
`GET`	`/courses/:slug`	Detail course berdasarkan slug
`GET`	`/courses/:slug/journey`	Peta perjalanan belajar course
`GET`	`/lessons/:slug`	Konten lesson (teks, widget, kuis)

🎮 Widget Sandbox Interaktif

Setiap pelajaran dapat memuat widget sandbox interaktif. Terdapat 19 widget yang mencakup konsep AI dari dasar hingga etika:

#	Widget	Konsep AI	Kategori
1	Rule vs Learning	Perbedaan program aturan vs AI	Dasar AI
2	Sensory Sandbox	Input sensorik AI (gambar, suara, teks)	Dasar AI
3	Taxonomy Concentric Circles	Taksonomi AI/ML/DL	Dasar AI
4	Pixel Zoom	Bagaimana AI "melihat" gambar	Dasar AI
5	Sorting Game	Supervised vs unsupervised learning	Cara AI Belajar
6	Neuron Sandbox	Cara kerja neuron & LTU (bobot, bias)	Cara AI Belajar
7	Train AI	Melatih model sederhana	Cara AI Belajar
8	Reward Trainer	Reinforcement learning	Cara AI Belajar
9	Grocery Sorter	Klasifikasi objek	Cara AI Belajar
10	Scanner Teaser	Pengantar praktik fruit scanner	Cara AI Belajar
11	Data Cleaner	Membersihkan dataset kotor	Cara AI Belajar
12	Recommendation Engine	Sistem rekomendasi berbasis preferensi	AI Generatif
13	Next-Word Predictor	Prediksi kata (language model)	AI Generatif
14	Prompt Evaluator	Evaluasi kualitas prompt AI	AI Generatif
15	Diffusion Sandbox	Generative AI / proses difusi	AI Generatif
16	Bias Game	Bias dalam dataset	Etika AI
17	Spot The Fake	Deteksi deepfake	Etika AI
18	Claim Detective	Klaim & misinformasi AI	Etika AI
19	Privacy Auditor	Privasi data & etika AI	Etika AI

🤖 On-Device ML: Fruit Scanner

Aplikasi menyertakan model klasifikasi buah yang berjalan sepenuhnya di perangkat:

Model: fruit_classifier.tflite (~4MB, arsitektur MobileNet)
Runtime: LiteRT (TensorFlow Lite) 1.4.2
Kelas: 20 jenis buah (Apel, Pisang, Jeruk, Mangga, Anggur, Stroberi, Semangka, Nanas, Pepaya, Alpukat, Durian, Manggis, Rambutan, Salak, Tomat, Lemon, Kelapa, Buah Naga, Jambu Biji, Pir)
Explainability: Setiap prediksi disertai narasi penjelasan (rationale) anak-friendly dalam Bahasa Indonesia
Low-Confidence Handling: Jika keyakinan model < 40%, ditampilkan pesan khusus agar pengguna mencoba foto lain

🎓 Sistem Gamifikasi

Mekanisme	Detail
XP	+10 XP per pelajaran selesai, level-up setiap 50 XP
Streak	Pelacakan harian otomatis, reset jika tidak belajar 1 hari
Energi	Batas energi harian, recharge otomatis setiap hari baru
Lencana (Badges)	Diraih berdasarkan pencapaian: Penjelajah AI, Pemindaian Pertama, dll
Sinkronisasi	Progress di-sync ke server via batched API call + WorkManager retry

📑 Kebijakan Hukum & Evaluasi COPPA

Aplikasi ini dirancang dengan memperhatikan standar privasi ramah anak:

Privacy Policy: docs/legal/privacy-policy.md
Terms of Service: docs/legal/terms-of-service.md
COPPA Evaluation: docs/legal/coppa-evaluation.md

Fitur kepatuhan COPPA yang diimplementasikan:

Age Gate dengan input tahun lahir pada onboarding
Pembatasan akses untuk pengguna di bawah umur
Halaman persetujuan orang tua via email
Tidak ada pengumpulan data tanpa persetujuan

📖 Dokumentasi Tambahan

Dokumen	Keterangan
ARCHITECTURE.md	Arsitektur teknis detail
GUIDE-cunny-preview-refined.md	Spesifikasi UI/design parity
MVP-publish-checklist.md	Checklist persiapan publish
play-store-listing.md	Deskripsi Play Store listing

Navigation Menu

Repository files navigation

Cunny — Media Pembelajaran AI Interaktif (K-12)

🚀 Fitur Utama

🛠️ Tech Stack

🏗️ Arsitektur Aplikasi

📦 Struktur Project

🛠️ Panduan Build Lokal

Prasyarat

Langkah Pemasangan

🌐 Content API

Endpoint Utama

🎮 Widget Sandbox Interaktif

🤖 On-Device ML: Fruit Scanner

🎓 Sistem Gamifikasi

📑 Kebijakan Hukum & Evaluasi COPPA

📖 Dokumentasi Tambahan

📄 Lisensi

About

Releases

Packages

Contributors

Languages

Name		Name	Last commit message	Last commit date
Latest commit History 37 Commits
Cunny		Cunny
assets		assets
cunny-lessons-api		cunny-lessons-api
docs		docs
web-preview-design		web-preview-design
.gitignore		.gitignore
README.md		README.md
run-emulator.ps1		run-emulator.ps1

Folders and files

Latest commit

History

Repository files navigation

Cunny — Media Pembelajaran AI Interaktif (K-12)

🚀 Fitur Utama

🛠️ Tech Stack

🏗️ Arsitektur Aplikasi

📦 Struktur Project

🛠️ Panduan Build Lokal

Prasyarat

Langkah Pemasangan

🌐 Content API

Endpoint Utama

🎮 Widget Sandbox Interaktif

🤖 On-Device ML: Fruit Scanner

🎓 Sistem Gamifikasi

📑 Kebijakan Hukum & Evaluasi COPPA

📖 Dokumentasi Tambahan

📄 Lisensi

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages