Create README.md
Browse files# SentimentAnalyzer
**SentimentAnalyzer** adalah model analisis sentimen berbasis Naive Bayes yang dirancang untuk mengklasifikasikan kalimat dalam bahasa Indonesia ke dalam kategori sentimen seperti positif dan negative.
## Deskripsi Model
Model ini menggunakan algoritma Naive Bayes untuk analisis sentimen. Model ini dilatih menggunakan dataset teks dalam bahasa Indonesia yang berisi kalimat-kalimat dengan label sentimen. Model ini dapat digunakan untuk mengidentifikasi sentimen dari teks bahasa Indonesia dengan akurasi yang baik.
## Penggunaan
Berikut adalah contoh kode untuk mengunduh dan menggunakan model ini:
```python
from huggingface_hub import hf_hub_download
import pickle
import nltk
from nltk.tokenize import word_tokenize
from nltk.corpus import stopwords
import string
# Unduh model dari Hugging Face
model_path = hf_hub_download(repo_id="aditdwi123/SentimentAnalyzer", filename="naive_bayes_model.pkl")
# Muat model dari file
with open(model_path, "rb") as model_file:
model = pickle.load(model_file)
# Fungsi untuk preprocessing teks
def preprocess(text):
text = text.lower() # Konversi ke huruf kecil
tokens = word_tokenize(text) # Tokenisasi
tokens = [t for t in tokens if t not in stopwords.words('indonesian') and t not in string.punctuation] # Hapus stopwords dan tanda baca
return tokens
# Fungsi untuk mengekstrak fitur dari setiap kata
def extract_features(words):
return {word: True for word in words}
# Fungsi untuk mengklasifikasikan kalimat
def classify_sentence(sentence):
features = extract_features(preprocess(sentence))
return model.classify(features)
# Uji model dengan kalimat baru
test_sentence = "saya sangat senang dengan pelayanan yang baik"
predicted_sentiment = classify_sentence(test_sentence)
print(f"Kalimat: {test_sentence}")
print(f"Prediksi Sentimen: {predicted_sentiment}")