Spaces:
Build error
Build error
File size: 2,845 Bytes
d6934dd | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 | # Import library yang diperlukan
import streamlit as st
import joblib
import re
import string
import nltk
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
from Sastrawi.Stemmer.StemmerFactory import StemmerFactory
# Download data NLTK
nltk.download("stopwords")
nltk.download("punkt")
nltk.download("punkt_tab")
# Load model dan vectorizer
model = joblib.load("random_forest_model.pkl")
vectorizer = joblib.load("tfidf_vectorizer.pkl")
# Stemmer Bahasa Indonesia
factory = StemmerFactory()
stemmer = factory.create_stemmer()
# Fungsi untuk membersihkan teks dari karakter yang tidak diperlukan
def delete_unused_char(text):
text = re.sub(r"@[A-Za-z0-9]+", "", text) # menghapus mention
text = re.sub(r"#[A-Za-z0-9]+", "", text) # menghapus hashtag
text = re.sub(r"RT[\s]", "", text) # menghapus RT
text = re.sub(r"http\S+", "", text) # menghapus link
text = re.sub(r"[0-9]+", "", text) # menghapus angka
text = re.sub(r"[^\w\s]", "", text) # menghapus karakter selain huruf dan angka
text = text.replace("\n", " ") # mengganti baris baru dengan spasi
text = text.translate(
str.maketrans("", "", string.punctuation)
) # menghapus semua tanda baca
text = text.strip(" ") # menghapus karakter spasi dari kiri dan kanan teks
return text
# Fungsi untuk membersihkan teks
def cleaned_text(text):
delete_unused_char(text)
# 1. Lowercasing
text = text.lower()
# 2. Remove punctuation
text = text.translate(str.maketrans("", "", string.punctuation))
# 3. Remove numbers
text = re.sub(r"\d+", "", text)
# 4. Tokenization
words = word_tokenize(text)
# 5. Remove stopwords
stop_words = set(stopwords.words("indonesian")) # Stopwords bahasa Indonesia
words = [word for word in words if word not in stop_words]
# 6. Ubah kate ke bentu asli dengan Stemmer Sastrawi
words = [stemmer.stem(word) for word in words]
return " ".join(words)
# Fungsi untuk prediksi sentimen
def predict_sentiment(text):
text = cleaned_text(text) # Preprocessing sebelum prediksi
X = vectorizer.transform([text]) # Ubah teks menjadi vektor
prediction = model.predict(X)[0] # Prediksi sentimen
return prediction
# Streamlit UI
st.title("Analisis Sentimen Review BRI Mobile 💳")
st.write("Masukkan review dan dapatkan prediksi sentimen (Positif, Negatif, Netral)")
# Input review dari pengguna
user_input = st.text_area("Masukkan review di sini:")
if st.button("Prediksi Sentimen"):
if user_input.strip() == "":
st.warning("Silakan masukkan teks terlebih dahulu!")
else:
sentiment = predict_sentiment(user_input)
st.success(f"Prediksi Sentimen: **{sentiment}**")
# st.write(cleaned_text(user_input))
st.write("Dibuat dengan 💖 oleh Muhammad Farkhan Adhitama")
|