Sentiboard: Dashboard Sentimen Universitas Berbasis IndoBERT

Model IndoBERT hasil fine-tuning, API inferensi FastAPI, dan dashboard Django yang memantau sentimen unggahan tentang kampus.

89%
Akurasi validasi model hasil fine-tuning
88%
Akurasi uji
7,500
Tweet berlabel, seimbang di tiga kelas

Peran: Penulis tunggal (skripsi S1): model, API, dan dashboard
Periode: Apr 2022 hingga Jan 2023
Jenis proyek: Pilihan
Ruang di HQ 3D: L3:university-sentiment-indobert

Hasil

89%
Akurasi validasi model hasil fine-tuning
Pada 1.350 tweet validasi yang tidak dipakai saat training, setelah tiga epoch, weighted F1 0,89 (output notebook training); model card Hugging Face juga mencatat 89%.
88%
Akurasi uji
Pada 150 tweet uji yang tidak dipakai saat training (classification report di notebook training).
7,500
Tweet berlabel, seimbang di tiga kelas
2.500 positif, 2.500 netral, dan 2.500 negatif (file dataset bersih di repository model).

Masalah

Sebuah universitas ingin memantau pembicaraan tentang kampusnya di media sosial, tetapi membaca unggahan berbahasa Indonesia satu per satu sulit dilakukan dalam jumlah besar. Tool sentimen umum juga kurang mampu menangani bahasa gaul Indonesia.

Kontribusi

Saya menyusun dataset seimbang berisi 7.500 tweet berbahasa Indonesia (masing-masing 2.500 positif, netral, dan negatif) dari dataset publik tentang kuliah daring. Data ini saya bersihkan dengan case folding, normalisasi kata gaul, stopword removal, dan stemming Sastrawi.
Saya melakukan fine-tuning indobert-base-p2 untuk klasifikasi sentimen tiga kelas dengan Hugging Face Trainer dan mempublikasikan modelnya di Hugging Face.
Saya menjalankan model melalui layanan FastAPI dalam container Docker yang mengembalikan teks bersih, logit, dan label untuk setiap unggahan.
Saya membangun Sentiboard, dashboard Django yang mengumpulkan unggahan lewat Twitter API, memberi label dengan model tersebut, dan menampilkan sentimen per bulan dengan word cloud dan tampilan topik.