Baru Jelajahi project AI & Machine Learning siap pakai lengkap dengan full source code dan tutorial instalasi!
Beranda Katalog Project Tentang Kami Kontak Kami
Analisis Sentimen Ulasan Pengguna Aplikasi Access by KAI Berbasis Machine Learning
Analisis Sentimen Ulasan Pengguna Aplikasi Access by KAI Berbasis Machine Learning
Natural Language Processing Tingkat: Intermediate Versi 1.0.0 156 Dilihat
5.0 (0 ulasan)

Analisis Sentimen Ulasan Pengguna Aplikasi Access by KAI Berbasis Machine Learning

Teknologi: Python Flask PyTorch HTML CSS JavaScript Tailwind CSS
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Analisis Sentimen Ulasan Pengguna Aplikasi Access by KAI Berbasis Machine Learning

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Analisis Sentimen Ulasan Pengguna Aplikasi Access by KAI Berbasis Machine Learning via TikTok.

Overview & Cara Kerja

KAI Access Review Sentiment Analysis merupakan sistem kecerdasan buatan (AI) berbasis Natural Language Processing (NLP) dan Machine Learning komprehensif yang dirancang untuk menganalisis, mengklasifikasikan, dan membedah sentimen ulasan pengguna aplikasi Access by KAI (PT Kereta Api Indonesia) di Google Play Store (ID: com.kai.kaiticketing).

Fitur Utama Project

Source Code Lengkap & Terstruktur (Clean Architecture)
Dokumentasi Teknis & Pembahasan Lengkap
Backend Service & RESTful API Siap Pakai
Antarmuka Web Modern, Responsif, & Interaktif
Training Notebook Pipeline & Dependency Setup
Pretrained Model Weights & Paket Berkas ZIP Lengkap

Arsitektur & Pipeline Sistem

Alur data interaktif dari input request hingga hasil pemrosesan sistem:

5 Tahap Pipeline
1 DATA ACQUISITION

Play Store Review Scraping

Penarikan data ulasan terkini aplikasi Access by KAI (`com.kai.kaiticketing`) secara otomatis via pagination token dan filter regional Indonesia.

Google Play Scraper
2 PREPROCESSING

Regex Cleansing & Slang Normalizer

Case folding, penghapusan karakter khusus, peredaman huruf berulang, pembersihan stopwords selektif, dan normalisasi 100+ kosakata slang kereta api.

Custom Slang Dictionary
3 AUTO-LABELING

IndoBERT Transformer Tagging

Pelabelan ulasan otomatis ke dalam 3 kelas sentimen (Positif, Netral, Negatif) memanfaatkan model bahasa BERT Indonesia dengan akselerasi GPU/CPU.

IndoBERT SMSA Pipeline
4 FEATURE & ML

TF-IDF & 7-Model Benchmark

Ekstraksi 2.858 fitur unigram & bigram, pembagian data stratified (80:20), komparasi 7 model klasifikasi, dan serialisasi bobot model terbaik (`.joblib`).

SVM & Logistic Regression
5 DEPLOMENT

Flask Web App & RESTful API

Antarmuka visual interaktif bertema resmi KAI Access dilengkapi uji coba langsung, indikator probabilitas, visualisasi komparasi, dan endpoint inferensi real-time.

Flask & Tailwind CSS
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

17 Berkas Proyek 4 Folder Utama Paket ZIP 1.44 MB
kai_access_reviews_labeled.csv 679.05 KB
Dataset Pratinjau
kai_access_reviews_raw.csv 512.38 KB
Dataset Pratinjau
best_sentiment_model.joblib 225.52 KB
AI Model Pratinjau
label_encoder.joblib 501 B
AI Model Pratinjau
model_comparison.csv 990 B
Dataset Pratinjau
model_metrics.json 3.13 KB
tfidf_vectorizer.joblib 98.74 KB
AI Model Pratinjau
confusion_matrices.png 418.75 KB
model_comparison.png 169.22 KB
index.html 73.75 KB
01_scrapping_review_playstore.ipynb 95.49 KB
Notebook Pratinjau
02_preprocessing_dan_labeling_indobert.ipynb 168.17 KB
Notebook Pratinjau
03_training_model_machine_learning.ipynb 240.49 KB
Notebook Pratinjau
app.py 7.86 KB
README.md 9.42 KB
markdown Pratinjau
requirements.txt 304 B

analis review aplikasi kai access.zip

Arsip paket ZIP lengkap berisi 100% seluruh berkas di atas siap dijalankan.

Beli untuk Unduh ZIP

Kebutuhan Sistem & Spesifikasi

Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:

Spesifikasi Rekomendasi
Sistem Operasi
Windows 10/11, macOS (Intel/Apple Silicon), Linux (Ubuntu 20.04+)

Cross-platform compatible

Runtime & Bahasa
Python 3.10 atau Python 3.11 (Direkomendasikan)

Lingkungan kerja teruji

Memori (RAM)
Min. 4 GB (Rekomendasi 8 GB untuk training model dan IndoBERT)

Optimal untuk running service

Penyimpanan
Min. 2 GB Free Storage (untuk dependensi PyTorch, Transformers, dan cache model)

Untuk berkas & dependensi

Database & Layanan
Tidak membutuhkan database SQL (Dataset CSV & artefak model .joblib)
Hardware / Catatan Khusus
GPU NVIDIA dengan CUDA opsional (CPU berjalan lancar untuk tahap inferensi Flask dan training ML klasik)

Pertanyaan yang Sering Diajukan (FAQ)

Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:

Bagaimana cara mendapatkan source code setelah pembayaran?

Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.

Apakah ada panduan instalasi dan dokumentasi teknis?

Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.

Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?

Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.

Bagaimana jika saya mengalami kendala teknis saat instalasi?

Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.

Ulasan Pembeli

Ulasan terverifikasi dari pengguna yang telah membeli project ini.

5.0 (0)

Belum ada ulasan untuk project ini.

Harga Lisensi Source Code
Rp 350.000 / sekali bayar
Tayangan: 156 kali dilihat
Populer
Tonton Demo TikTok
Lihat
Beli Source Code Sekarang

Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.

Yang Anda Dapatkan:

  • Full Source Code Lengkap & Aset Project
  • Teknologi: Python, Flask, PyTorch, HTML
  • Panduan Instalasi & Konfigurasi Lingkungan
  • Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
  • Hak Lisensi Tugas Akhir, Skripsi & Komersial
  • Akses Unduhan Berkas ZIP & Code Explorer Langsung
Download link instan dan akses dokumentasi dikirim otomatis ke akun Anda.