rizalespe/Dataset-Sentimen-Analisis-Bahasa-Indonesia

📊 Bộ dataset analisis sentimen bahasa Indonesia siap pakai untuk penelitian NLP

Kumpulan dataset analisis sentimen berbahasa Indonesia dari berbagai sumber media sosial, sudah melalui pra-pemrosesan dan dipublikasikan dalam jurnal ilmiah.

Repositori Dataset-Sentimen-Analisis-Bahasa-Indonesia karya rizalespe menyajikan lima kumpulan dataset analisis sentimen yang dikumpulkan dari platform media sosial seperti Twitter dan Instagram. Setiap dataset telah digunakan dalam penelitian akademis dan berhasil dipublikasikan dalam jurnal ilmiah. Penggunaan dataset ini wajib disertai kutipan paper terkait.

✨ Điểm nổi bật

• Dataset Pilkada DKI 2017: 900 tweet dari 3 pasangan calon, 2 kelas (positive/negative), pra-pemrosesan termasuk penggantian emoji dan penghapusan stopword.
• Dataset telekomunikasi: 300 tweet tentang kepuasan pengguna layanan seluler, diklasifikasikan dengan SVM dan fitur berbasis leksikon.
• Dataset cyberbullying Instagram: komentar Instagram diklasifikasikan untuk mendeteksi sentimen cyberbullying menggunakan SVM.
• Dataset tayangan TV: opini publik terhadap program televisi dari Twitter, diklasifikasikan dengan KNN dan pembobotan retweet.
• Dataset opini film: tweet tentang film diklasifikasikan dengan Naive Bayes dan penanganan kata tidak baku.

💡 Vì sao đáng chú ý

Khác dengan banyak dataset umum, kelima dataset di sini sudah melalui proses pra-pemrosesan yang jelas didokumentasikan, seperti penggantian emoticon dengan tag khusus, penghapusan kata henti, hingga normalisasi kata tidak baku. Hal ini mempermudah penelitian NLP berbahasa Indonesia tanpa perlu bersusahan melakukan pembersihan data dari awal.

Selain itu, setiap dataset telah teruji dalam publikasi ilmiah sehingga akurasi dan metodologi klasifikasinya terjamin. Cocok digunakan sebagai bahan eksperimen atau perbandingan dalam pengembangan model sentimen berbahasa Indonesia.

#SentimentAnalysis #NLP #IndonesianLanguage #Dataset #MachineLearning #TiniX