IKN Sentiment Analysis Dashboard

Model Analisis Sentimen

Model ini dibangun menggunakan teknik machine learning untuk mengklasifikasikan teks menjadi sentimen positif, netral, dan negatif.

neurology

Algoritma

Model menggunakan pendekatan Logistic Regression dan TF-IDF Vectorization terhadap teks bersih hasil scraping media sosial.

analytics

Evaluasi

check_circle Akurasi: 89.2%
check_circle Presisi: 87.5%
check_circle Recall: 90.3%
check_circle F1-Score: 88.9%

robot_2

Tentang Model Analisis

Dashboard ini menggunakan model analisis sentimen bahasa Indonesia berbasis transformer architecture yang dikembangkan oleh Wilson Wongso (2023). Model ini dilatih menggunakan dataset publik dari media sosial (X/Twitter) untuk mendeteksi polaritas sentimen postingan masyarakat dalam tiga kategori utama:

Positif — teks dengan sentimen positif
Negatif — teks dengan sentimen negatif
Netral — teks dengan makna netral atau deskriptif

book

Detail Teknis Model

Nama Model: w11wo/indonesian-roberta-base-sentiment-classifier
Arsitektur: RoBERTa-base (Bahasa Indonesia)
Jenis Model: Text Classification
Bahasa: Bahasa Indonesia 🇮🇩
Jumlah Label: 3 (Positif, Netral, Negatif)
Framework: 🤗 Hugging Face Transformers
Lisensi: MIT License

menu_book

Sitasi Model

@misc{wilson_wongso_2023,
    author    = {Wilson Wongso},
    title     = {indonesian-roberta-base-sentiment-classifier (Rev. 3)},
    year      = {2023},
    url       = {https://huggingface.co/w11wo/indonesian-roberta-base-sentiment-classifier},
    doi       = {10.57967/hf/0644},
    publisher = {Hugging Face}
}

Sumber Model: https://huggingface.co/w11wo/indonesian-roberta-base-sentiment-classifier
DOI: 10.57967/hf/0644