Description

Analisis Sentimen Keuangan dengan Naive Bayes

Tujuan Proyek:

Proyek ini bertujuan untuk membangun sebuah sistem yang dapat menganalisis sentimen dari teks dalam bentuk kalimat atau ulasan, dengan menggunakan model machine learning berbasis Naive Bayes. Sentimen yang dianalisis terdiri dari dua kategori, yaitu positif dan negatif. Sistem ini dapat digunakan untuk memproses berbagai jenis teks dan mengidentifikasi apakah teks tersebut mengandung sentimen positif atau negatif.

Teknologi yang Digunakan:

• Back-End : Flask, Joblib, Python
• Frontend : React, JS
• Model Machine Learning : Scikit-learn, Pandas, NLTK, etc.

Proses yang Dilakukan :

Pengumpulan Data :

• Dataset yang digunakan dalam proyek ini adalah dataset "financial_sentimen.csv", yang berisi kalimat-kalimat yang dilabeli dengan sentimen positif atau negatif.

• Dataset ini digunakan untuk melatih model dan menguji kemampuannya dalam mengklasifikasikan sentimen teks.

Pembangunan Model Machine Learning Naive Bayes :

Model ini dilatih dengan menggunakan dataset yang berisi kalimat-kalimat berlabel sentimen. Dengan model ini, kita bisa memprediksi sentimen dari teks baru, seperti ulasan atau opini. Berikut adalah proses pembangunan model Naive Bayes :

• Pre-processing dan Tokenisasi

• Pembersihan Teks

• Stemming

• Membangun dan melatih model

• Menyimpan model dan vectorizer

• Evaluasi Model

• Fungsi Prediksi

Integrasi Back-End(Flask) :

Backend ini bertujuan untuk menyediakan antarmuka API berbasis Flask yang dapat menerima teks sebagai input dan mengembalikan prediksi sentimen menggunakan model Naive Bayes yang telah dilatih sebelumnya. API ini dirancang untuk memproses permintaan dari aplikasi frontend (misalnya, aplikasi web berbasis React) atau aplikasi lain yang membutuhkan analisis sentimen teks secara real-time. Untuk prosesnya bisa kita lihat dibawah ini :

• Virtual Machine 3 (110.293.71.90) ==> UAS_NLP_Haeqal 

• Postman untuk cek apakah API berhasil terintegrasi dengan model (API berhasil dengan mengeluarkan Output berupa “sentiment” : “Positif” sesuai dengan model yang sudah kita buat sebelumnya)

Membangun Frontend dengan React :

Frontend ini dirancang untuk menyediakan antarmuka pengguna yang intuitif dalam memasukkan teks dan menerima hasil prediksi sentimen dari API Flask. Aplikasi ini akan dibangun menggunakan React sebagai framework frontend utama, memungkinkan pengguna untuk melakukan analisis sentimen teks secara cepat dan mudah. Proses pembangun frontend ada dibawah ini :

• Buat Halaman Form Input untuk Mengirim Teks ke API Flask

• Menjalankan Frontend React di Terminal (npm run start)

• Tampilan React yang sudah berjalan di Web Browser dengan menampilkan hasil prediksi model Machine Learning Naive Bayes yang sudah kita buat

Penutup :

Proyek ini memberikan wawasan yang lebih dalam tentang bagaimana menghubungkan model machine learning dengan aplikasi web. Saya belajar tentang integrasi Flask dengan React, dan bagaimana menangani permintaan HTTP untuk analisis teks. Ke depannya, aplikasi ini dapat diperluas dengan fitur-fitur seperti analisis sentimen untuk berbagai bahasa atau bahkan menggunakan model deep learning.