Analisis Sentimen Survei Kepuasan Siswa SMK

Proyek ini dibuat untuk memahami dasar Data Science dan Machine Learning melalui studi kasus analisis sentimen komentar siswa SMK.

---

Project Structure

project/
├── data/
│   ├── raw/
│   │   └── Survey Kepuasan SMK_Train.csv
│   └── processed/
│       └── train_clean.csv
│
├── pages/
│   ├── Preprocessing.py 
│   └── Train_Sentiment.py
│
├── reports/
│   ├── evaluation_report.txt
│   └── sample_prediction.csv
│
├── src/
│   ├── controller/
│   │   ├── preprocessing.py
│   │   ├── train_model.py
│   │   ├── evaluate_model.py
│   │   └── predict.py
│   │
│   └── model/
│       ├── sentiment_model.joblib
│       └── tfidf_vectorizer.joblib
│
├── app.py
├── requirements.txt
├── LICENSE.md
└── README.md

---

Project Flow

1. src/controller/preprocessing.py
   Membersihkan teks dari data mentah agar siap digunakan untuk pelatihan.

2. src/controller/train_model.py
   Melakukan proses TF-IDF dan melatih model untuk mengenali sentimen.

3. src/controller/evaluate_model.py
   Menguji performa model menggunakan data uji untuk melihat tingkat akurasi.

4. src/controller/predict.py
   Menggunakan model yang sudah dilatih untuk memprediksi sentimen dari kalimat baru.

5. app.py
   Menjalankan aplikasi interaktif berbasis Streamlit untuk melakukan analisis sentimen secara visual.

---

Library Included

Library	Fungsi Utama
pandas	Membaca dan mengolah data CSV
scikit-learn	TF-IDF, Logistic Regression, evaluasi model
Sastrawi	Stemming Bahasa Indonesia
joblib	Menyimpan dan memuat model
streamlit	Membuat aplikasi web sederhana untuk prediksi

---

Dataset

File: Survey Kepuasan SMK_Train.csv
Fungsi: Training Data
Deskripsi: Digunakan untuk melatih model agar dapat mempelajari pola kata dan menentukan sentimen (positif atau negatif).

---

How to Run

# 1. Instal dependensi
pip install -r requirements.txt

# 2. Jalankan aplikasi Streamlit
streamlit run app.py kalo gabisa pake python -m streamlit run app.py

License

MIT License 2025 smk-sentiment-analyzer