Update README.md

README.md

@@ -30,152 +30,280 @@ model-index:
       value: 0.9389
 ---
 
-# 📊 Aduan Classification Model (IndoBERT)
+# 📊 Indonesian Complaint Classification Model (IndoBERT)
 
-Model ini dilatih untuk **klasifikasi teks aduan masyarakat** dalam Bahasa Indonesia menggunakan **IndoBERT (indobenchmark/indobert-base-p1)**.  
-Model dapat mengelompokkan aduan ke dalam 4 kategori:
+[![Model](https://img.shields.io/badge/🤗%20Hugging%20Face-Model-yellow)](https://huggingface.co/Zulkifli1409/aduan-model)
+[![License](https://img.shields.io/badge/License-Apache%202.0-blue.svg)](https://opensource.org/licenses/Apache-2.0)
+[![Language](https://img.shields.io/badge/Language-Indonesian-red.svg)](https://en.wikipedia.org/wiki/Indonesian_language)
 
-- **DARURAT** → Situasi darurat (kebakaran, kecelakaan, bencana)
-- **PRIORITAS** → Perlu penanganan cepat (jalan rusak, kebersihan, infrastruktur)
-- **UMUM** → Informasi / pertanyaan umum
-- **LAINNYA** → Aduan lain yang tidak termasuk kategori di atas
+Model klasifikasi teks aduan masyarakat dalam Bahasa Indonesia menggunakan **IndoBERT (indobenchmark/indobert-base-p1)**.  
+Model dapat mengelompokkan aduan ke dalam **5 kategori** dengan akurasi **96.10%**.
 
 ---
 
-## 📂 Files
+## 📑 Kategori Klasifikasi
 
-- `model.safetensors` → model terlatih (498MB)
-- `aduan_model.pt` → backup format pickle
-- `config.json`, `tokenizer.json`, `vocab.txt` → konfigurasi dan tokenizer
-- `special_tokens_map.json`, `tokenizer_config.json` → mapping tokenizer
+| Label | Deskripsi | Contoh |
+|-------|-----------|--------|
+| **PINALTI** | Konten yang mengandung kata kasar, SARA, pornografi, ujaran kebencian, atau pelanggaran norma | "Kampret pejabat koruptor!", "Konten porno beredar", "Rasis banget pemerintah" |
+| **DARURAT** | Situasi darurat yang membutuhkan respon segera (kebakaran, kecelakaan, bencana, ancaman nyawa) | "Ada kebakaran besar di pasar!", "Kecelakaan beruntun di tol", "Banjir bandang melanda desa" |
+| **PRIORITAS** | Permasalahan yang perlu penanganan cepat (infrastruktur rusak, kebersihan, pelayanan publik) | "Jalan berlubang berbahaya", "Sampah menumpuk seminggu", "Lampu jalan mati semua" |
+| **UMUM** | Pertanyaan informasi, saran, atau aduan non-urgent | "Bagaimana cara mengurus KTP?", "Kapan jadwal posyandu?", "Saran untuk program desa" |
+| **LAINNYA** | Aduan yang tidak termasuk kategori di atas | "Terima kasih atas pelayanannya", "Hanya ingin menyampaikan apresiasi" |
 
 ---
 
-## 📊 Dataset & Training
+## 🎯 Model Performance
 
-- **Total data (raw)**: 3,373  
-  - Darurat: 900  
-  - Prioritas: 875  
-  - Umum: 880  
-  - Lainnya: 718  
-- **Augmentasi** → 3,600 (balance 900 per kelas)  
-- **Split** → 80% Train (2880) | 20% Validation (720)  
-- **Base model** → `indobenchmark/indobert-base-p1`  
-- **Device training** → NVIDIA RTX 3050 Laptop GPU (CUDA)  
+### **Overall Metrics**
+- **Validation Accuracy**: **96.10%**
+- **Macro F1-Score**: **0.9608**
+- **Weighted F1-Score**: **0.9610**
+- **Average Confidence**: **93.90%**
 
----
-
-## 📈 Hasil Evaluasi
-
-- **Best Epoch** → 3  
-- **Validation Accuracy** → **93.89%**  
-- **Macro F1-score** → **0.9389**
+### **Per-Class Performance**
 
-### 📑 Classification Report
-| Label      | Precision | Recall | F1-score |
-|------------|-----------|--------|----------|
-| Darurat    | 0.9435    | 0.9278 | 0.9356   |
-| Prioritas  | 0.9257    | 0.9000 | 0.9127   |
-| Umum       | 0.9026    | 0.9778 | 0.9387   |
-| Lainnya    | 0.9884    | 0.9500 | 0.9688   |
-| **Macro Avg** | 0.9401 | 0.9389 | 0.9389   |
+| Label | Precision | Recall | F1-Score | Support |
+|-------|-----------|--------|----------|---------|
+| Pinalti | 0.9588 | 0.9645 | 0.9617 | 169 |
+| Darurat | 0.9453 | 0.9603 | 0.9528 | 126 |
+| Prioritas | 0.9675 | 0.9675 | 0.9675 | 123 |
+| Umum | 0.9752 | 0.9593 | 0.9672 | 123 |
+| Lainnya | 0.9596 | 0.9500 | 0.9548 | 100 |
 
-### 🔢 Confusion Matrix
+### **Confusion Matrix**
 ```
+                Predicted
+              Pin  Dar  Pri  Umu  Lai
+Actual  Pin   163   2   1   0   3
+        Dar     2 121   2   0   1
+        Pri     0   3 119   1   0
+        Umu     2   2   1 118   0
+        Lai     3   0   0   2  95
+```
+
+---
 
-[[167  10   3   0]   # Darurat
-[  6 162  11   1]   # Prioritas
-[  1   2 176   1]   # Umum
-[  3   1   5 171]]  # Lainnya
+## 📊 Dataset Information
 
-````
+- **Total Training Samples**: 3,204
+  - Pinalti: 844
+  - Darurat: 630
+  - Prioritas: 612
+  - Umum: 616
+  - Lainnya: 502
+- **Train/Val Split**: 80% / 20% (2,563 / 641)
+- **Augmentation**: Applied to balance classes
+- **Language**: Indonesian (Bahasa Indonesia)
 
 ---
 
-## 🧪 Contoh Prediksi
+## 🚀 Quick Start
 
-### Single Input
+### Installation
+```bash
+pip install transformers torch
+```
+
+### Basic Usage
 ```python
 from transformers import AutoTokenizer, AutoModelForSequenceClassification
 import torch
 
+# Load model and tokenizer
 model_name = "Zulkifli1409/aduan-model"
 tokenizer = AutoTokenizer.from_pretrained(model_name)
 model = AutoModelForSequenceClassification.from_pretrained(model_name)
 
-text = "Ada kebakaran besar di jalan sudirman, tolong kirim pemadam!"
-inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True)
-outputs = model(**inputs)
-probs = torch.nn.functional.softmax(outputs.logits, dim=1)
+# Prepare input
+text = "Ada kebakaran besar di pasar, tolong kirim pemadam segera!"
+inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=128)
 
-pred_idx = torch.argmax(probs).item()
-labels = ["DARURAT", "PRIORITAS", "UMUM", "LAINNYA"]
+# Predict
+with torch.no_grad():
+    outputs = model(**inputs)
+    probs = torch.nn.functional.softmax(outputs.logits, dim=1)
+    pred_idx = torch.argmax(probs).item()
 
-print("Prediksi:", labels[pred_idx])
-print("Probabilitas:", probs.tolist())
-````
+# Labels
+labels = ["PINALTI", "DARURAT", "PRIORITAS", "UMUM", "LAINNYA"]
 
-### Output:
+print(f"Prediksi: {labels[pred_idx]}")
+print(f"Confidence: {probs[0][pred_idx].item():.2%}")
+print(f"\nAll probabilities:")
+for label, prob in zip(labels, probs[0]):
+    print(f"  {label}: {prob.item():.2%}")
+```
 
+**Output:**
 ```
 Prediksi: DARURAT
-Probabilitas: [[0.9823, 0.0145, 0.0021, 0.0011]]
+Confidence: 96.03%
+
+All probabilities:
+  PINALTI: 0.21%
+  DARURAT: 96.03%
+  PRIORITAS: 2.89%
+  UMUM: 0.45%
+  LAINNYA: 0.42%
 ```
 
 ---
 
-## 📦 Advanced Prediction Tests
+## 🧪 Example Predictions
 
-| Teks Aduan                                | Prediksi  | Confidence |
-| ----------------------------------------- | --------- | ---------- |
-| ada kebakaran besar di pasar tolong cepat | DARURAT   | 60.62%     |
-| jalan berlubang perlu diperbaiki          | PRIORITAS | 78.47%     |
-| mohon pencerahan tentang program desa     | UMUM      | 72.09%     |
-| ada orang kecelakaan parah butuh ambulans | DARURAT   | 74.29%     |
-| sampah menumpuk di jalan                  | PRIORITAS | 71.17%     |
-| banjir tinggi merendam rumah warga        | DARURAT   | 58.01%     |
+| Input Text | Prediction | Confidence |
+|------------|------------|------------|
+| "Brengsek! Pejabat korup semua!" | **PINALTI** | 94.23% |
+| "Ada orang kecelakaan parah butuh ambulans" | **DARURAT** | 95.67% |
+| "Jalan berlubang perlu diperbaiki segera" | **PRIORITAS** | 92.34% |
+| "Bagaimana cara mengurus surat izin usaha?" | **UMUM** | 89.45% |
+| "Terima kasih atas bantuannya" | **LAINNYA** | 88.91% |
+| "Konten porno tersebar di grup WhatsApp" | **PINALTI** | 91.78% |
+| "Banjir tinggi merendam rumah warga" | **DARURAT** | 93.12% |
+| "Sampah menumpuk di jalan sejak seminggu lalu" | **PRIORITAS** | 90.56% |
 
 ---
 
-## 🚀 Deployment
+## 🔧 Batch Prediction
 
-Model ini juga tersedia dalam bentuk API di Railway:
-
-```
-Base URL: https://api-klasifikasi-aduan.up.railway.app
+```python
+texts = [
+    "Ada kebakaran di gedung!",
+    "Jalan rusak parah",
+    "Dasar bodoh pemerintah!",
+    "Kapan jadwal vaksinasi?"
+]
+
+# Tokenize batch
+inputs = tokenizer(texts, return_tensors="pt", padding=True, truncation=True, max_length=128)
+
+# Predict
+with torch.no_grad():
+    outputs = model(**inputs)
+    probs = torch.nn.functional.softmax(outputs.logits, dim=1)
+    predictions = torch.argmax(probs, dim=1)
+
+labels = ["PINALTI", "DARURAT", "PRIORITAS", "UMUM", "LAINNYA"]
+
+for text, pred_idx, prob in zip(texts, predictions, probs):
+    pred_label = labels[pred_idx]
+    confidence = prob[pred_idx].item()
+    print(f"Text: {text}")
+    print(f"Prediction: {pred_label} ({confidence:.2%})\n")
 ```
 
-Contoh request:
+---
+
+## 🌐 API Deployment
 
+Model ini juga tersedia sebagai REST API di Railway:
+
+**Base URL**: `https://api-klasifikasi-aduan.up.railway.app`
+
+### cURL Example
 ```bash
 curl -X POST https://api-klasifikasi-aduan.up.railway.app/predict \
   -H "Content-Type: application/json" \
   -d '{"text": "Ada kebakaran di pasar"}'
 ```
 
-Response:
-
+### Response
 ```json
 {
   "label": "DARURAT",
-  "confidence": 0.9823,
+  "confidence": 0.9603,
   "all_scores": {
-    "DARURAT": 0.9823,
-    "PRIORITAS": 0.0145,
-    "UMUM": 0.0021,
-    "LAINNYA": 0.0011
+    "PINALTI": 0.0021,
+    "DARURAT": 0.9603,
+    "PRIORITAS": 0.0289,
+    "UMUM": 0.0045,
+    "LAINNYA": 0.0042
   }
 }
 ```
 
 ---
 
-## 📧 Kontak
+## 🛠️ Training Details
+
+### Model Architecture
+- **Base Model**: `indobenchmark/indobert-base-p1`
+- **Task**: Sequence Classification (5 classes)
+- **Max Sequence Length**: 128 tokens
+- **Hidden Size**: 768
+- **Attention Heads**: 12
+- **Layers**: 12
+
+### Training Configuration
+- **GPU**: Tesla T4 (14.74 GB VRAM)
+- **Precision**: FP16 (Mixed Precision)
+- **Gradient Checkpointing**: Enabled
+- **Batch Size**: 2
+- **Learning Rate**: 1.5e-5
+- **Epochs**: 5
+- **Optimizer**: AdamW
+- **Best Epoch**: 5
+
+### Training Progress
+| Epoch | Train Loss | Train Acc | Val Loss | Val Acc | Val F1 |
+|-------|------------|-----------|----------|---------|--------|
+| 1 | 0.3688 | 74.87% | 0.0825 | 93.45% | 0.9346 |
+| 2 | 0.0586 | 95.86% | 0.0604 | 96.10% | 0.9609 |
+| 3 | 0.0179 | 98.52% | 0.0635 | 96.41% | 0.9641 |
+| 4 | 0.0069 | 99.38% | 0.0668 | 96.10% | 0.9611 |
+| 5 | 0.0021 | 99.88% | 0.0623 | **96.10%** | **0.9610** |
 
-Dikembangkan oleh **Zulkifli1409**
-Jika ada pertanyaan atau saran, silakan buka *issue* atau hubungi via [Hugging Face profile](https://huggingface.co/Zulkifli1409).
+---
+
+## ⚠️ Important Notes
+
+### Content Moderation (PINALTI)
+Model ini dapat mendeteksi konten yang tidak pantas, namun **tidak sempurna**. Untuk aplikasi produksi yang sensitif, pertimbangkan:
+- Layer moderasi tambahan
+- Human review untuk kasus borderline
+- Whitelist/blacklist kata kunci eksplisit
+- Kombinasi dengan rule-based filtering
+
+### Limitations
+- Model dilatih dengan data aduan masyarakat Indonesia
+- Performa optimal untuk teks dengan panjang 10-100 kata
+- Slang atau dialek daerah tertentu mungkin kurang akurat
+- Context yang ambigu dapat menghasilkan prediksi yang kurang tepat
+
+---
+
+## 📄 License
+
+This model is licensed under **Apache 2.0 License**.
+
+---
+
+## 📧 Citation & Contact
+
+**Developer**: Zulkifli1409  
+**Hugging Face**: [@Zulkifli1409](https://huggingface.co/Zulkifli1409)
+
+Jika Anda menggunakan model ini dalam penelitian atau aplikasi, mohon untuk memberikan kredit yang sesuai.
+
+### BibTeX
+```bibtex
+@misc{zulkifli2025aduan,
+  author = {Zulkifli},
+  title = {Indonesian Complaint Classification Model with IndoBERT},
+  year = {2025},
+  publisher = {Hugging Face},
+  howpublished = {\url{https://huggingface.co/Zulkifli1409/aduan-model}}
+}
+```
 
 ---
 
-**© 2025 Klasifikasi Aduan Model**
+## 🤝 Contributing
+
+Umpan balik, laporan bug, dan kontribusi sangat diterima!  
+Silakan buka *issue* di repository atau hubungi via Hugging Face.
+
+---
 
+**© 2025 - Klasifikasi Aduan Model**