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 Publik Terhadap Kebakaran Hutan Kalimantan Pada Media Sosial X Menggunakan Algoritma Support Vector Machine Berbasis Machine Learning
Analisis Sentimen Publik Terhadap Kebakaran Hutan Kalimantan Pada Media Sosial X Menggunakan Algoritma Support Vector Machine Berbasis Machine Learning
Natural Language Processing Tingkat: Intermediate Versi 1.0.0 177 Dilihat
5.0 (0 ulasan)

Analisis Sentimen Publik Terhadap Kebakaran Hutan Kalimantan Pada Media Sosial X Menggunakan Algoritma Support Vector Machine Berbasis Machine Learning

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

Demo & Pengujian Sistem: Analisis Sentimen Publik Terhadap Kebakaran Hutan Kalimantan Pada Media Sosial X Menggunakan Algoritma Support Vector Machine Berbasis Machine Learning

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Analisis Sentimen Publik Terhadap Kebakaran Hutan Kalimantan Pada Media Sosial X Menggunakan Algoritma Support Vector Machine Berbasis Machine Learning via TikTok.

Overview & Cara Kerja

KarhutlaSense AI merupakan sistem intelijen data dan pemrosesan bahasa alami (Natural Language Processing) komprehensif yang dirancang untuk memantau, mengklasifikasikan, dan menganalisis sentimen publik terhadap bencana Kebakaran Hutan dan Lahan (Karhutla) serta krisis kabut asap di wilayah Kalimantan (Kalimantan Barat, Kalimantan Tengah, Kalimantan Selatan, Kalimantan Timur) pada media sosial X (sebelumnya Twitter). Sistem mengimplementasikan algoritma Support Vector Machine (SVM) dengan pendekatan kalibrasi probabilitas Platt (CalibratedClassifierCV) dan pembobotan fitur Sublinear TF-IDF N-Gram (1, 3) yang terbukti unggul dalam membedakan polaritas opini publik secara objektif (Akurasi 88.78%, Presisi Macro 81.79%, F1-Score Macro 79.60%, dan ROC-AUC Macro 93.59%) pada data uji independen.

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 HARVESTING

Multi-Token Social Media X Scraping & Aggregation

Penambangan otomatis 3.277 cuitan bencana Karhutla Kalimantan dari media sosial X menggunakan rotasi multi-token otentikasi pada 18 kueri penelusuran topik regional spesifik.

X/Twitter API & 18 Search Queries
2 TEXT PREPROCESSING

7-Stage NLP Cleansing & Negation-Preserved Morphological Engine

Case folding, penghapusan URL/mention/tanda baca, normalisasi huruf berulang, pemetaan kamus gaul kebencanaan, eliminasi stopwords dengan perlindungan 22 kata negasi, serta stemming PySastrawi teroptimasi cache memori.

Sastrawi NLP & In-Memory Dictionary Cache
3 TRANSFORMER LABELING

IndoBERT Deep Learning Tagging & Quality Filtering

Anotasi otomatis 3 kelas sentimen (Positif, Netral, Negatif) memanfaatkan pretrained transformer IndoBERT dengan skor keyakinan Softmax, dilanjutkan filtering data berkeyakinan >= 0.60 untuk eliminasi label derau.

mdhugol/indonesia-bert-sentiment & Threshold 0.60
4 FEATURE & MODELING

Sublinear TF-IDF (1,3), SMOTE & 6-Model Benchmark

Ekstraksi 12.000 fitur n-gram (unigram hingga trigram) dengan penskalaan sublinier, penyeimbangan kelas minoritas menggunakan SMOTE pada data latih, dan benchmark komparatif 6 skenario model klasifikasi (SVM, Random Forest, Naive Bayes).

LinearSVC Calibrated & Test Accuracy 88.78%
5 DEPLOYMENT & INTERFACE

KarhutlaSense AI Web Dashboard & RESTful API Service

Penerapan model terbaik ke dalam aplikasi web Flask 3.0 bertema BGN Merah-Putih, dilengkapi visualisasi metrik evaluasi, simulator inferensi sentimen real-time dengan ekstraksi kata kunci, dan endpoint REST API JSON.

Flask 3.0, Tailwind CSS & REST API
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

41 Berkas Proyek 6 Folder Utama Paket ZIP 6.47 MB
labeled_tweets_karhutla_kalimantan.csv 2.19 MB
Dataset Pratinjau
labeled_tweets_karhutla_kalimantan_5000.csv 2.19 MB
Dataset Pratinjau
preprocessed_tweets_karhutla_kalimantan.csv 2.14 MB
Dataset Pratinjau
raw_tweets_karhutla_kalimantan.csv 1001.29 KB
Dataset Pratinjau
raw_tweets_karhutla_kalimantan_5000.csv 1001.29 KB
Dataset Pratinjau
scraping_log.json 736 B
Dataset Pratinjau
best_sentiment_model.joblib 1.38 MB
AI Model Pratinjau
evaluation_metrics_summary.csv 464 B
Dataset Pratinjau
label_encoder.joblib 411 B
AI Model Pratinjau
tfidf_vectorizer.joblib 455.06 KB
AI Model Pratinjau
build_notebook_1.py 20.04 KB
build_notebook_2.py 19.52 KB
build_notebook_3.py 17.49 KB
build_notebook_4.py 34.26 KB
crawl_dual_tokens.py 6.2 KB
find_gql.py 357 B
find_query_id.py 1.62 KB
prepare_initial_dataset.py 13 KB
run_labeling.py 4.2 KB
run_preprocessing.py 5.98 KB
run_training.py 5.26 KB
scrape_additional.py 2.25 KB
test_account.py 1.64 KB
hero_forest_fire.jpg 832.44 KB
index.html 75.16 KB
Error-15-10-2026_12-59-41.png 117.12 KB
Error-15-10-2026_13-17-37.png 114.75 KB
scrape_kabut_asap_kalimantan_since_2026_01_01_latest.csv 438.79 KB
Dataset Pratinjau
scrape_karhutla_kalimantan_since_2026_01_01_latest.csv 444.67 KB
Dataset Pratinjau
scrape_kebakaran_hutan_kalimantan_since_2026_01_01_latest.csv 437.16 KB
Dataset Pratinjau
scrape_kebakaran_lahan_gambut_kalimantan_since_2026_01_01_latest.csv 52.71 KB
Dataset Pratinjau
scrape_titik_api_kalimantan_since_2026_01_01_latest.csv 453.62 KB
Dataset Pratinjau
01_scraping_x.ipynb 78.73 KB
Notebook Pratinjau
02_preprocessing.ipynb 139.81 KB
Notebook Pratinjau
03_labeling.ipynb 728.74 KB
Notebook Pratinjau
04_training_model.ipynb 574.87 KB
Notebook Pratinjau
app.py 16.21 KB
penjelasan_code_dan_hasil.html 46.03 KB
README.md 14.22 KB
markdown Pratinjau
requirements.txt 1.08 KB

analisis-sentimen-kebakaran-hutan-kalimantan-svm-x.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 (Diverifikasi optimal pada Python 3.11.6 x64)

Lingkungan kerja teruji

Memori (RAM)
Min. 4 GB (Rekomendasi 8 GB untuk komputasi TF-IDF 12.000 fitur dan inferensi batch IndoBERT)

Optimal untuk running service

Penyimpanan
Min. 2 GB ruang kosong untuk dependensi PyTorch, Transformers, cache model HuggingFace, dan dataset CSV

Untuk berkas & dependensi

Database & Layanan
Tidak memerlukan database SQL eksternal (Dataset berbasis CSV & model serialisasi .joblib mandiri)
Hardware / Catatan Khusus
Model Machine Learning terbaik telah dilatih dan tersimpan dalam models/best_sentiment_model.joblib sehingga aplikasi web dapat langsung dijalankan tanpa perlu proses pelatihan ulang. Eksekusi inferensi web berjalan sangat cepat di CPU biasa (<0.01 detik).

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: 177 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.