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 Ulasan Pengguna Aplikasi Mobile JKN Menggunakan Logistic Regression Berbasis Machine Learning
Analisis Sentimen Ulasan Pengguna Aplikasi Mobile JKN Menggunakan Logistic Regression Berbasis Machine Learning
Natural Language Processing Tingkat: Intermediate Versi 1.0.0 37 Dilihat
5.0 (0 ulasan)

Analisis Sentimen Ulasan Pengguna Aplikasi Mobile JKN Menggunakan Logistic Regression Berbasis Machine Learning

Teknologi: Python Flask PyTorch HTML CSS JavaScript Tailwind CSS
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Analisis Sentimen Ulasan Pengguna Aplikasi Mobile JKN Menggunakan Logistic Regression Berbasis Machine Learning

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Analisis Sentimen Ulasan Pengguna Aplikasi Mobile JKN Menggunakan Logistic Regression Berbasis Machine Learning via TikTok.

Overview & Cara Kerja

Mobile JKN Review Sentiment Analysis System merupakan sistem kecerdasan buatan (Artificial Intelligence) komprehensif berbasis Natural Language Processing (NLP) dan Supervised Machine Learning yang dirancang untuk mengumpulkan, menganalisis, mengklasifikasikan, dan membedah sentimen ulasan pengguna aplikasi Mobile JKN (BPJS Kesehatan) di Google Play Store (ID Aplikasi: app.bpjs.mobile).

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 ACQUISITION

Play Store Review Scraping

Penarikan data ulasan terkini aplikasi Mobile JKN (`app.bpjs.mobile`) secara otomatis via pagination token dan filter regional Indonesia menggunakan google-play-scraper.

Google Play Scraper (1.500 Ulasan)
2 PREPROCESSING

Regex Cleansing & Slang Normalizer

Case folding, penghapusan mention, URL, emoji, peredaman huruf berulang, pembersihan stopwords selektif, dan normalisasi 100+ kosakata slang layanan publik.

Custom Slang Dictionary
3 AUTO-LABELING

IndoBERT Transformer Tagging

Pelabelan ulasan otomatis ke dalam 3 kelas sentimen (Positif, Netral, Negatif) memanfaatkan transfer learning model IndoBERT SMSA dengan akselerasi GPU CUDA.

IndoBERT (1.492 Ulasan Terlabel)
4 FEATURE & ML

TF-IDF & 7-Model Benchmark

Ekstraksi 1.803 fitur unigram & bigram, pembagian data stratified (80:20), komparasi 7 model klasifikasi, dan penyimpanan bobot model terbaik Logistic Regression.

Logistic Regression (87.29% Akurasi)
5 DEPLOYMENT

Flask Web App & RESTful API

Antarmuka visual interaktif dark-mode dengan uji coba real-time, visualisasi probabilitas kelas, latensi komputasi, dan endpoint inferensi JSON `/api/predict`.

Flask & Tailwind CSS SPA
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

18 Berkas Proyek 5 Folder Utama Paket ZIP 1.17 MB
jkn_mobile_reviews_labeled.csv 477.66 KB
Dataset Pratinjau
jkn_mobile_reviews_raw.csv 368.59 KB
Dataset Pratinjau
best_sentiment_model.joblib 43.11 KB
AI Model Pratinjau
label_encoder.joblib 501 B
AI Model Pratinjau
model_comparison.csv 986 B
Dataset Pratinjau
model_metrics.json 3.04 KB
tfidf_vectorizer.joblib 62.54 KB
AI Model Pratinjau
confusion_matrices.png 408.92 KB
model_comparison.png 157.45 KB
__init__.py 25 B
index.html 71.75 KB
01_scrapping_review_playstore.ipynb 95.46 KB
Notebook Pratinjau
02_preprocessing_dan_labeling_indobert.ipynb 168.07 KB
Notebook Pratinjau
03_training_model_machine_learning.ipynb 240.29 KB
Notebook Pratinjau
app.py 6.58 KB
README.md 6.77 KB
markdown Pratinjau
requirements.txt 198 B

analisis-sentimen-ulasan-mobile-jkn-machine-learning.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 (64-bit), macOS Monterey+ (Intel/Apple Silicon), Linux (Ubuntu 20.04+ LTS)

Cross-platform compatible

Runtime & Bahasa
Python 3.10 atau Python 3.11 (Direkomendasikan)

Lingkungan kerja teruji

Memori (RAM)
Min. 4 GB (Rekomendasi 8 GB untuk training model dan IndoBERT)

Optimal untuk running service

Penyimpanan
Min. 1.5 GB Free Storage (untuk dependensi PyTorch, Transformers, cache IndoBERT, dan artefak model)

Untuk berkas & dependensi

Database & Layanan
Tidak membutuhkan database SQL eksternal (Dataset CSV dan model serialisasi .joblib bersifat mandiri)
Hardware / Catatan Khusus
Model Machine Learning terbaik (.joblib) sudah dilatih dan disertakan dalam paket unduhan, sehingga server Flask dapat langsung dijalankan pada CPU standar dengan latensi inferensi ultra-cepat (< 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: 37 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.