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 Pada Aplikasi Tokopedia Berdasarkan Ulasan Google Play Store Menggunakan Machine Learning
Analisis Sentimen Berbasis Aspek Pada Aplikasi Tokopedia Berdasarkan Ulasan Google Play Store Menggunakan Machine Learning
Natural Language Processing Tingkat: Advanced Versi 1.0.0 15 Dilihat
5.0 (0 ulasan)

Analisis Sentimen Berbasis Aspek Pada Aplikasi Tokopedia Berdasarkan Ulasan Google Play Store Menggunakan Machine Learning

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

Demo & Pengujian Sistem: Analisis Sentimen Berbasis Aspek Pada Aplikasi Tokopedia Berdasarkan Ulasan 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 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

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 INGESTION

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.

8.243 Rekaman Ulasan & Apache Parquet
2 NLP PREPROCESSING

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.

160+ Kamus Slang & Preservasi Negasi
3 TRANSFORMER LABELING

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.

8.059 Ulasan Terlabeli & 4 Pilar Aspek
4 FEATURE ENGINEERING

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).

Aspect Conditioning & 5.000 N-Grams
5 14-MODEL BENCHMARK

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.

14 Model Benchmark & IndoBERT Champion
6 WEB DEPLOYMENT

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.

Flask, Tailwind CSS & Dual-Model Engine
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

18 Berkas Proyek 4 Folder Utama
tokopedia_absa_preprocessed.csv 3.61 MB
Dataset Pratinjau
tokopedia_absa_preprocessed.parquet 2.02 MB
Dataset Pratinjau
tokopedia_playstore_raw.csv 3.61 MB
Dataset Pratinjau
tokopedia_playstore_raw.parquet 1.91 MB
Dataset Pratinjau
best_ml_model.joblib 82.78 KB
AI Model Pratinjau
best_model_metadata.json 564 B
label_encoder.joblib 501 B
AI Model Pratinjau
model_comparison_metrics.csv 1.26 KB
Dataset Pratinjau
tfidf_vectorizer.joblib 122.27 KB
AI Model Pratinjau
hero-absa.svg 9.99 KB
index.html 51.78 KB
01_scraping_tokopedia_playstore.ipynb 142.72 KB
Notebook Pratinjau
02_preprocessing_dan_labeling_indobert.ipynb 161.93 KB
Notebook Pratinjau
03_training_dan_evaluasi_model.ipynb 392.53 KB
Notebook Pratinjau
app.py 14.1 KB
link full project.txt 82 B
README.md 7.73 KB
markdown Pratinjau
requirements.txt 613 B

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 training model PyTorch BiLSTM dan IndoBERT)

Optimal untuk running service

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

Untuk berkas & dependensi

Database & Layanan
Tidak membutuhkan database SQL (Dataset Parquet/CSV & artefak model .joblib)
Hardware / Catatan Khusus
GPU NVIDIA dengan CUDA opsional (CPU berjalan lancar untuk inferensi Flask Linear SVM < 1 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: 15 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.