SENTIKEN — Analisis Sentimen Ulasan Aplikasi
Aplikasi mobile untuk mengumpulkan dan mengklasifikasikan sentimen ulasan PLN Mobile dan MyPertamina dari Google Play dengan TF-IDF + K-NN.
- Peran
- Full-Stack & ML Developer
- Tahun
- 2026
- Teknologi
- PythonFastAPIReact Native (Expo)TypeScriptPostgreSQLScikit-learnRedisDocker
Ringkasan
Implementasi rekayasa perangkat lunak dari metodologi penelitian tugas akhir tentang analisis sentimen ulasan aplikasi dengan algoritma K-Nearest Neighbor — tanpa data ulasan sintetis.
Pendekatan
Scraping ulasan Google Play dengan rate limiting dan retry, preprocessing teks bahasa Indonesia (normalisasi, stopword dengan pengecualian negasi, stemming Sastrawi), labelisasi berbasis kamus, pembobotan TF-IDF, dan K-NN dengan eksperimen multi-nilai K.
Solusi
Aplikasi Expo React Native terhubung ke backend FastAPI + PostgreSQL dengan job queue Redis; evaluasi lengkap (akurasi, presisi, recall, F1, confusion matrix), dashboard perbandingan antar aplikasi, ekspor CSV/PNG/PDF, dan autentikasi JWT.
Detail Model
- Masalah
- Klasifikasi sentimen ulasan (positif/negatif, opsional netral).
- Dataset
- Ulasan asli Google Play Store aplikasi PLN Mobile dan MyPertamina (scraping atau impor CSV).
- Model
- TF-IDF + K-Nearest Neighbor
- Strategi Validasi
- Split latih/uji terstratifikasi dengan validasi kelayakan.