Pipeline Analisis Sentimen Ecadin
Kami menggabungkan pendekatan otomatis dan pengawasan manusia untuk memastikan hasil yang akurat, transparan, dan dapat direplikasi.
1. Pengumpulan Data
Modul scraping mengambil komentar dan postingan publik dari YouTube, Instagram, TikTok, Twitter (X), dan portal berita nasional (18.129 baris mentah dari 5 file CSV). Teks dibersihkan (hapus newline, URL, mention, emoji, tanda baca/angka), difilter minimum 3 kata, dan disaring dengan deteksi Bahasa Indonesia sebelum deduplikasi menghasilkan 15.074 percakapan final.
2. Klasifikasi AI
Setiap teks diklasifikasikan memakai model pre-trained w11wo/indonesian-roberta-base-sentiment-classifier dengan pendekatan zero-shot (tanpa fine-tuning tambahan) ke kategori positif, netral, atau negatif.
3. Validasi Manual
500 data diberi label manual sebagai ground truth. Terhadap label ini, model mencapai Akurasi 82,80% dan F1-macro 83,27% — cukup kuat untuk membaca kecenderungan agregat, meski kelas netral, potongan teks singkat, slang, dan homonim masih menjadi sumber utama kesalahan.
4. Agregasi & Visualisasi
Hasil diagregasi per sektor, platform, dan rentang tanggal (date picker), lalu disajikan dalam dasbor interaktif dengan ringkasan eksekutif, leaderboard sektor, analisis aspek berbasis lexicon, alert lonjakan volume, dan galeri sentimen.
Catatan Etika Data
Ecadin hanya mengumpulkan data yang tersedia untuk publik dan tidak menyimpan informasi pribadi yang dapat diidentifikasi. Semua analisis ditujukan untuk kepentingan riset kebijakan publik.