Sentiment Intelligence Platform - SkollaSentiment

Deskripsi App

SkollaSentiment adalah platform analitik berbasis Machine Learning dan end-to-end web system yang dirancang untuk mengolah, mengategorikan, dan menganalisis ribuan ulasan serta umpan balik pengguna secara otomatis. Platform ini mengintegrasikan pemrosesan bahasa alami (Natural Language Processing) khusus teks bahasa Indonesia dengan model klasifikasi Naïve Bayes yang terbukti mencapai tingkat akurasi sebesar 96,50% dan F1-Score 96,41%. Sistem ini memungkinkan bisnis memahami persepsi pengguna secara instan, baik melalui pengujian teks tunggal maupun pemrosesan data masal (batch analysis).

Peran & Tanggung Jawab

Sebagai Full-Stack ML & Web Developer, saya bertanggung jawab penuh atas perancangan arsitektur end-to-end, mulai dari pipeline NLP dan pembuatan API inferensi Machine Learning, hingga pengembangan antarmuka dasbor analitik dan manajemen basis data:

• Machine Learning & Indonesian NLP Pipeline: Merekayasa alur preprocessing teks bahasa Indonesia menggunakan Sastrawi (stemming) serta NLTK dan Regex (case folding, cleaning, stopword removal). Melatih dan menguji model klasifikasi Naïve Bayes menggunakan Scikit-Learn hingga mencapai performa optimal dengan error rate hanya 3,50%.
• High-Performance ML Inference API: Membangun layanan API mikro berbasis FastAPI dan Pydantic untuk melayani prediksi sentimen dengan latensi rendah. Mengimplementasikan mekanisme caching model ke dalam RAM server via Joblib guna memangkas waktu inferensi saat pemrosesan data masal.
• Arsitektur Modern Web & Interactive UI: Membangun aplikasi web yang responsif dan interaktif menggunakan Next.js 16, React 19, dan TypeScript. Mengelola state global aplikasi menggunakan Zustand serta mengoptimasi sinkronisasi data asinkron via TanStack React Query.
• Database Engineering & Cloud Storage Integration: Merancang skema relasional di PostgreSQL dengan Prisma ORM untuk pencatatan log analisis dan kredensial pengguna. Mengintegrasikan Vercel Blob sebagai penyimpan berkas model (.pkl) di awan, memungkinkan pembaruan model secara dinamis melalui fitur upload & hot-reload tanpa perlu melakukan re-deploy aplikasi.
• Visualisasi Data Analitik & Batch Engine: Mengembangkan dasbor pemantauan kinerja model dan distribusi sentimen interaktif menggunakan Recharts dan komponen shadcn/ui. Menyediakan fitur impor/ekspor data ulasan format Excel/TXT berbasis pustaka XLSX untuk pengujian dataset skala besar.

Fitur Kunci Sistem:

• Real-Time & Batch Sentiment Inference: Prediksi sentimen instan untuk teks tunggal serta analisis masal berkas Excel/TXT dengan rekapitulasi hasil yang dapat diunduh.
• Interactive Analytics & Model Performance Dashboard: Visualisasi metrik evaluasi Machine Learning (Accuracy, Precision, Recall, F1-Score) serta grafik proporsi distribusi sentimen positif dan negatif.
• Dynamic Model Management & Hot-Reloading: Panel kontrol admin untuk mengunggah dan mengganti berkas model Naïve Bayes aktif secara langsung tanpa downtime.
• Indonesian Text Preprocessing Engine: Pemrosesan otomatis yang disesuaikan dengan struktur kata dan tata bahasa Indonesia untuk meningkatkan ketepatan identifikasi kata kunci sentimen.

Teknologi Utama yang Digunakan:

Python • FastAPI • Scikit-Learn • Sastrawi • Next.js • TypeScript • PostgreSQL • Prisma ORM • TanStack Query • Recharts • Vercel Blob