Analisis Sentimen Berbasis Aspek untuk Mengevaluasi Kualitas Layanan Aplikasi Gojek pada Google Play Store Menggunakan Machine Learning
Demo & Pengujian Sistem: Analisis Sentimen Berbasis Aspek untuk Mengevaluasi Kualitas Layanan Aplikasi Gojek pada Google Play Store Menggunakan Machine Learning
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
Arsitektur & Pipeline Sistem
Alur data interaktif dari input request hingga hasil pemrosesan sistem:
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.
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.
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.
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.
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.
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.
Struktur Berkas & Repositori
Hierarki folder dan berkas yang disertakan dalam paket proyek ini:
analisis-sentimen-aspek-gojek-playstore-machine-learning.zip
Arsip paket ZIP lengkap berisi 100% seluruh berkas di atas siap dijalankan.
Dokumentasi Teknis
Tersedia dokumentasi teknis komprehensif untuk project ini:
Kebutuhan Sistem & Spesifikasi
Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:
Cross-platform compatible
Lingkungan kerja teruji
Optimal untuk running service
Untuk berkas & dependensi
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.
Belum ada ulasan untuk project ini.
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