Sprint Goal

Membuat pemberi arahan kepada user dengan cara membangun kode backend dari AI response dengan bahasa python sehingga memiliki fleksibilitas dalam konfigurasi dan pemisahan antara front-end dan back-end.

Assumptions

Fungsi utama dari aplikasi adalah untuk memberikan arahan kepada user berdasarkan perintah atau pertanyaan. Sebelum integrasi model AI, alangkah baiknya memastikan bahwa model AI telah terjamin, baik dari segi kode maupun balasannya. Dengan memakai kode lain selain dart, tujuan utama dari sprint ini adalah perubahan backend dari dart ke python karena memiliki konfigurasi, ketersediaan library yang sangat banyak, dan versi yang jauh lebih fleksibel dibandingkan dengan flutter.

Requirements / Features	User story	Importance	Effort (Hours)
Social Media Guidance	As a grandparent, I want to be helped in using social media features so that I can contact other people.	Must Have	42
AI Text Output	As an user who can’t keep with fast guidance, i want to see the guidance in text format so i can see instructions repeatedly.	Must Have	52

Question	Answer	Answered
Apakah perlu langsung diintegrasikan ?	Tidak, fokus dari sprint 3 ini adalah untuk membuat back-end. Karena pada sprint sebelumnya back-end belum pasti sehingga integrasi sangat terlewatkan.	Y

PBI	Tasks	Effort (hours)	Descriptions
Social Media Guidance	Membuat kode penghubung antara model lokal (LLAMA 4) dengan backend python	12	Memakai model lokal LLAMA 4 dari ollama yang dimiliki gilmor
	Membuat kode penghubung antara vosk API dengan backend python	12	Memakai vosk 0.22 yang sebelumnya dipakai (gagal) pada flutter
	Membuat kode text to speech dengan backend python	8	Membuat text to speech dengan Pyttsx3
	Troubleshooting	10
Efforts		42
AI Text Output	Membuat Model lokal (LLAMA 4) dapat mengeluarkan text cli-based	17	Coba untuk memakai print(response.text) terlebih dahulu
	Membuat vosk API dapat mengeluarkan output text cli-based	15
	Membuat hasil output vosk API menjadi response text untuk dipassing ke model	12	Model diharapkan mendapatkan perintah sesuai apa yang di-speech
	Troubleshooting	8
Efforts		52
Total Efforts		94

Members	Tasks
Michael Suthirta	Membuat kode text to speech dengan backend python
	Membuat hasil output vosk API menjadi response text untuk dipassing ke model
Reynard Adrian	Troubleshooting
	Membuat kode penghubung antara model lokal (LLAMA 4) dengan backend python
Nathanael Mahardika Susilo	Troubleshooting
	Membuat vosk API dapat mengeluarkan output
Gilmore	Membuat kode penghubung antara model lokal (LLAMA 4) dengan backend python
	Membuat Model lokal (LLAMA 4) dapat mengeluarkan text cli-based
	Membuat hasil output vosk API menjadi response text untuk dipassing ke model
Muhammad Rafi Isnaen	Membuat kode penghubung antara vosk API dengan backend python
	Membuat vosk API dapat mengeluarkan output
	Membuat hasil output vosk API menjadi response text untuk dipassing ke model

Hour-Based Estimation

Capacity - planning approach -> setiap anggota commit 3 jam per hari

3 jam perhari, maka 3 jam * 5 anggota = 15 jam per hari. 1 Sprint = 7 hari, maka 15 jam * 7 hari = 105 jam per - 7 hari