Analisis Sentimen Berbasis Aspek Pada Aplikasi Tokopedia Berdasarkan Ulasan Google Play Store Menggunakan Machine Learning
Demo & Pengujian Sistem: Analisis Sentimen Berbasis Aspek Pada Aplikasi Tokopedia Berdasarkan Ulasan 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 Pada Aplikasi Tokopedia Berdasarkan Ulasan Google Play Store Menggunakan Machine Learning via TikTok.
Overview & Cara Kerja
Tokopedia Aspect-Based Sentiment Analysis & Service Quality Intelligence Platform merupakan sistem kecerdasan buatan berbasis Natural Language Processing (NLP), Supervised Machine Learning, dan Deep Learning Transformer yang dirancang untuk menganalisis, mengevaluasi, serta memproyeksikan kualitas layanan aplikasi e-commerce Tokopedia (com.tokopedia.tkpd) di Google Play Store secara spesifik per pilar operasional menggunakan metodologi Aspect-Based Sentiment Analysis (ABSA).
Fitur Utama Project
Arsitektur & Pipeline Sistem
Alur data interaktif dari input request hingga hasil pemrosesan sistem:
Dual-Sorting Play Store Scraping & Parquet Storage
Akuisisi 8.243 ulasan resmi Tokopedia (`com.tokopedia.tkpd`) menggunakan strategi ganda (Newest + Most Relevant), audit konsistensi data, dan serialisasi format CSV serta Apache Parquet.
Slang Normalization & Strict Negation Preservation
Pembersihan regex, reduksi elongasi karakter, penggantian kata gaul via >160 kamus slang e-commerce, dan pemfilteran stopwords selektif yang mempertahankan kata negasi.
IndoBERT ABSA Tagging & Rating Harmonization
Ekstraksi 4 pilar aspek berbasis leksikon terbobot dan pelabelan sentimen otomatis dengan model bahasa IndoBERT yang diselaraskan dengan rating bintang pengguna.
Aspect Conditioning & 5.000 Sublinear TF-IDF
Rekayasa teks kondisional `[ASPECT: <kategori>] <teks>` dengan ekstraksi 5.000 fitur N-Gram (Unigram + Bigram) dan partisi data terstratifikasi (80:20 Train-Test split).
Comparative Evaluation: 10 ML, 2 Deep Learning & SARIMAX
Eksperimen komparatif 10 model ML klasik, PyTorch BiLSTM Attention, IndoBERT Fine-Tuned (Akurasi 90.63%, F1-Weighted 90.20%), serta peramalan komplain SARIMAX.
Modern Flask Landing Page & Dual-Model REST API
Implementasi web interaktif berbasis Flask dan Tailwind CSS bertema Tokopedia Green (`#03AC0E`) dengan pemilih model inferensi, 5 tombol preset 1-klik, dan REST API JSON.
Struktur Berkas & Repositori
Hierarki folder dan berkas yang disertakan dalam paket proyek ini:
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, 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