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 Berbasis Aspek untuk Mengevaluasi Kualitas Layanan Aplikasi Gojek pada Google Play Store Menggunakan Machine Learning
Analisis Sentimen Berbasis Aspek untuk Mengevaluasi Kualitas Layanan Aplikasi Gojek pada Google Play Store Menggunakan Machine Learning
Natural Language Processing Tingkat: Intermediate Versi 1.0.0 17 Dilihat
5.0 (0 ulasan)

Analisis Sentimen Berbasis Aspek untuk Mengevaluasi Kualitas Layanan Aplikasi Gojek pada Google Play Store Menggunakan Machine Learning

Teknologi: Python Flask HTML CSS JavaScript Tailwind CSS Scikit-Learn Pandas NumPy Joblib
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Analisis Sentimen Berbasis Aspek untuk Mengevaluasi Kualitas Layanan Aplikasi Gojek pada Google Play Store Menggunakan Machine Learning

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Analisis Sentimen Berbasis Aspek untuk Mengevaluasi Kualitas Layanan Aplikasi Gojek pada Google Play Store Menggunakan Machine Learning via TikTok.

Overview & Cara Kerja

Gojek Aspect-Based Sentiment Analysis & Service Quality Intelligence Platform merupakan sistem kecerdasan buatan berbasis Natural Language Processing (NLP) dan Supervised Machine Learning yang dirancang untuk mengevaluasi kualitas layanan aplikasi super-app Gojek (com.gojek.app) di Google Play Store secara granular per pilar layanan menggunakan metodologi Aspect-Based Sentiment Analysis (ABSA).

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:

6 Tahap Pipeline
1 DATA ACQUISITION

Play Store Scraper & Dataset Auditing

Penarikan 2.312 rekaman ulasan resmi aplikasi Gojek (`com.gojek.app`) dari Google Play Store via pagination token, filter bahasa Indonesia, serta audit sebaran rating bintang 1 hingga 5.

2.312 Ulasan Google Play Store
2 TEXT PREPROCESSING

Regex Cleansing & Slang Normalizer

Pembersihan URL, emoji Unicode, tanda baca, reduksi elongasi karakter, dan normalisasi 100+ istilah gaul/slang khusus transportasi online ke bentuk baku Bahasa Indonesia.

100+ Kamus Slang Ekosistem Gojek
3 TRANSFORMER LABELING

IndoBERT ABSA Tuple Extraction

Ekstraksi 3.419 pasangan granular aspek-sentimen menggunakan model deep learning transfer learning IndoBERT SMSA pada 4 pilar layanan utama Gojek.

3.419 Granular Aspect-Sentiment Tuples
4 FEATURE EXTRACTION

5.000 Sublinear TF-IDF N-Grams

Vektorisasi teks unigram dan bigram dengan parameter sublinear term-frequency dan partisi data terstratifikasi (80:20 Train-Test split) menghasilkan 2.735 data latih dan 684 data uji.

Stratified Split 80:20 & 5.000 N-Grams
5 MODEL BENCHMARKING

7 ML Models Benchmark & SVM Champion

Komparasi performa 7 model ML; Support Vector Machine (LinearSVC) dinobatkan sebagai Champion dengan Akurasi 90.50%, F1-Macro 84.87%, dan waktu latih ultra-cepat 0.024 detik.

Akurasi 90.50% & F1-Macro 84.87%
6 WEB DEPLOYMENT

Flask Interactive ABSA & RESTful API

Implementasi antarmuka dashboard responsif bertema Gojek Green dengan segmentasi klausa ulasan mandiri, probabilitas softmax terkalibrasi, rekomendasi bisnis, dan endpoint REST API JSON.

Flask Server, Tailwind CSS & REST API
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

24 Berkas Proyek 5 Folder Utama Paket ZIP 17.05 MB
gojek_absa_aspect_sentiment_pairs.csv 1.17 MB
Dataset Pratinjau
gojek_reviews_absa_labeled.csv 1.4 MB
Dataset Pratinjau
gojek_reviews_raw.csv 1.06 MB
Dataset Pratinjau
absa_model_metrics.json 793 B
absa_sentiment_model_comparison.csv 530 B
Dataset Pratinjau
absa_tfidf_vectorizer.joblib 174.68 KB
AI Model Pratinjau
aspect_label_encoder.joblib 552 B
AI Model Pratinjau
best_absa_sentiment_model.joblib 117.93 KB
AI Model Pratinjau
best_aspect_model.joblib 157 KB
AI Model Pratinjau
sentiment_label_encoder.joblib 501 B
AI Model Pratinjau
__init__.py 25 B
apply_kai_theme_to_previous_ux.py 11.93 KB
convert_ux_to_white_kai.py 21.95 KB
reconstruct_previous_ux.py 2.74 KB
gojek_driver_alt.jpg 13.95 MB
gojek_driver_hero.jpg 1.06 MB
gojek_driver_hero.webp 359.84 KB
index.html 81.27 KB
01_scrapping_review_playstore.ipynb 169.48 KB
Notebook Pratinjau
02_preprocessing_dan_labeling_indobert.ipynb 286.98 KB
Notebook Pratinjau
03_training_model_machine_learning.ipynb 341.98 KB
Notebook Pratinjau
app.py 17.51 KB
requirements.txt 501 B

analisis-sentimen-aspek-gojek-playstore-machine-learning.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 (64-bit), macOS (Intel/Apple Silicon), atau Linux (Ubuntu 20.04+)

Cross-platform compatible

Runtime & Bahasa
Python 3.9, 3.10, atau 3.11 (Disarankan Python 3.10+)

Lingkungan kerja teruji

Memori (RAM)
Min. 4 GB (Disarankan 8 GB untuk eksplorasi Jupyter Notebook dan eksekusi IndoBERT)

Optimal untuk running service

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

Untuk berkas & dependensi

Database & Layanan
Tidak membutuhkan database SQL (Dataset CSV & artefak model .joblib)
Hardware / Catatan Khusus
GPU NVIDIA dengan CUDA opsional (CPU didukung penuh untuk inferensi server Flask < 10 ms)

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: 17 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, HTML, CSS
  • 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.