javo_analisis_sentiment

🎯 Javo Analisis Sentiment

Model ini dikembangkan untuk tugas analisis sentimen komentar YouTube, dengan fokus pada klasifikasi emosi ke dalam 5 label:

• Very Negative
• Negative
• Neutral
• Positive
• Very Positive

Model ini dilatih menggunakan bert-base-uncased dan bert-base-multilingual-uncased dengan fine-tuning 3 layer terakhir menggunakan TensorFlow Keras.

🧠 Arsitektur

• Pretrained Model: bert-base-uncased
• Framework: TensorFlow (Keras Functional API)
• Tokenizer: AutoTokenizer dari Hugging Face
• Optimizer: Adam, Learning rate: 1e-4
• Loss: Categorical Crossentropy
• Metrics: Accuracy

🧪 Dataset

Komentar diambil dari YouTube dan telah dibersihkan:

• Lowercase
• Remove URL, tanda baca, simbol, emoji
• Hilangkan stopwords (dalam Bahasa Inggris)

📊 Evaluasi

Model dievaluasi menggunakan:

• Confusion Matrix
• Accuracy Score
• Classification Report

📦 Cara Menggunakan

from transformers import AutoTokenizer, TFAutoModelForSequenceClassification
import tensorflow as tf

model = TFAutoModelForSequenceClassification.from_pretrained("jeanetrixsiee/javo_analisis_sentiment")
tokenizer = AutoTokenizer.from_pretrained("jeanetrixsiee/javo_analisis_sentiment")

text = "I love this video! It's so informative."

inputs = tokenizer(text, return_tensors="tf", padding=True, truncation=True)
outputs = model(**inputs)
pred = tf.math.argmax(outputs.logits, axis=1).numpy()

print("Predicted label ID:", pred)