Analisis Sentimen Publik Terhadap Kebakaran Hutan Kalimantan Pada Media Sosial X Menggunakan Algoritma Support Vector Machine Berbasis Machine Learning
Demo & Pengujian Sistem: Analisis Sentimen Publik Terhadap Kebakaran Hutan Kalimantan Pada Media Sosial X Menggunakan Algoritma Support Vector Machine Berbasis Machine Learning
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
Arsitektur & Pipeline Sistem
Alur data interaktif dari input request hingga hasil pemrosesan sistem:
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.
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.
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.
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).
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.
Struktur Berkas & Repositori
Hierarki folder dan berkas yang disertakan dalam paket proyek ini:
analisis-sentimen-kebakaran-hutan-kalimantan-svm-x.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, 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