🎯 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)