sentimen-analisis-indonesia

Studi Kasus: Isu Sosial-Politik & Budaya di Platform Twitter

Repositori ini merupakan implementasi penelitian tentang pengaruh emotikon (😡, 🎉) dan bahasa informal (slang) terhadap akurasi klasifikasi sentimen tweet berbahasa Indonesia. Fokus utama proyek ini adalah:

1. Membangun pipeline pemrosesan teks khusus untuk bahasa informal Indonesia.
2. Menganalisis dampak emotikon dan slang pada model machine learning dan deep learning.
3. Menyediakan dataset berlabel dan kamus slang Indonesia yang siap digunakan untuk penelitian NLP lanjutan.

Contoh Kasus:

• 🚨 "Gempa lagi, pemerintah tidur ya? 😡 #Gempa" (Sentimen: Negatif)
• ❤️ "Layanan ojek online mantul bangeet! 👍 #Bucin" (Sentimen: Positif)

• 🛠️ Preprocessing Khusus Bahasa Indonesia
  • Konversi emotikon → teks (😡 → [marah]).
  • Translasi slang ("wkwk" → tertawa, "bucin" → budak cinta).
• 🤖 Model Hybrid
  • Kombinasi lexicon-based (VaderSentiment) dan deep learning (LSTM + FastText).
• 📊 Analisis Komparatif
  • Perbandingan akurasi model dengan/tanpa fitur emotikon & slang.

sentimen-analisis-indonesia/
├── data/                   # Dataset
│   ├── raw/                # Data mentah (CSV dari Twitter)
│   ├── processed/          # Data hasil preprocessing
│   └── labeled/            # Data berlabel manual
│
├── notebooks/              # Eksperimen Jupyter Notebook
│   ├── 1_data_collection.ipynb
│   ├── 2_preprocessing.ipynb
│   └── 3_model_training.ipynb
│
├── src/                    # Kode inti
│   ├── crawler.py          # Script crawling Twitter
│   ├── preprocessing.py    # Konversi emotikon & slang
│   └── model.py            # Arsitektur LSTM & SVM
│
├── results/                # Output analisis
│   ├── figures/            # Visualisasi (PNG/PDF)
│   └── models/             # Model terlatih (H5/PKL)
│
├── requirements.txt        Dependencies
└── README.md               Dokumentasi ini

• Python 3.9+
• Git

git clone https://github.com/username/sentimen-analisis-indonesia.git
cd sentimen-analisis-indonesia

pip install -r requirements.txt

1. Crawling Data (Contoh: #Bucin):

   python src/crawler.py --query "#Bucin" --limit 1000

2. Preprocessing:

   python src/preprocessing.py --input data/raw/bucin.csv

3. Training Model:

   python src/model.py --data data/processed/cleaned_data.csv

• Emotikon Paling Signifikan: ❤️ (Positif), 😡 (Negatif)
• Slang Paling Umum: "mantul", "bucin", "geming"

Distribusi Emotikon dalam Dataset #Bucin

Kami terbuka untuk kontribusi! Berikut cara ikut serta:

1. Tambahkan Slang Baru:
   Edit data/processed/slang_dictionary.json dan buka Pull Request.
2. Laporkan Issue:
   Temukan bug? Buka Issues.

Panduan Kontribusi:

• Ikuti standar PEP8 untuk kode Python.
• Dokumentasikan perubahan di CHANGELOG.md.

Proyek ini dilisensikan di bawah MIT License. Lihat LICENSE untuk detail.

• Dosen Pembimbing: Prof. Dr. Budi Santoso, M.Kom.
• Dataset: Kaggle Indonesian Slang Words
• Tools: emoji, nltk, tweepy

✨ Let's Revolutionize Indonesian NLP Together!
"Dari tweet untuk Indonesia yang lebih memahami emosi digital warganya."