Sentinel.

TikTok Sentiment Analysis on Cyberbullying

Deteksi Sentimen
Netizen Secara Akurat

Sistem ini mengklasifikasikan komentar TikTok mengenai isu sosial perundungan (bullying) menggunakan algoritma Multinomial Naive Bayes, dilengkapi dengan Stemming Sastrawi untuk Bahasa Indonesia.

--%

Akurasi

--%

Presisi

--%

Recall

Analisis Tautan (URL)

🔗

Tarik langsung komentar dari video TikTok secara otomatis.

Sistem Sedang Berjalan

0%

Menghubungkan ke server Apify...

Ringkasan Data Live

Total Berhasil Ditarik: 0 komentar

đŸŽ¯
Akurasi Model Pengujian: --%
(Data Uji: -- dataset → -- Prediksi Benar)
Akun Pengguna & Isi KomentarSentimen

📋 Rekap Sentimen Komentar

Unduh laporan hasil analisis sentimen dalam format Excel atau PDF

Developed by Winda © 2026. Dibangun dengan Python, Sastrawi, dan Naive Bayes.

Notifikasi pesan

Konfigurasi API Keys Apify

Masukkan token Apify Anda. Sistem akan melakukan rotasi otomatis jika salah satu token gagal/limit habis.

Konfigurasi Token Pintar (API)

Masukkan token API untuk Naive Bayes (Pintar)

â„šī¸ Informasi Sistem

🤖 Cara Tarik Data Komentar

Sistem menggunakan Apify Scraper untuk menarik komentar secara langsung dari server TikTok (Live). Komentar difilter berdasarkan batas tanggal (contoh: 1 bulan terakhir) dan dibatasi sesuai maksimal komentar yang Anda masukkan. Setelah ditarik, teks komentar melewati proses pembersihan karakter dan klasifikasi sentimen secara massal oleh model.

📊 Perhitungan Akurasi Model

Akurasi yang ditampilkan adalah Akurasi Riil (Data Uji) yang diambil dari hasil pelatihan (Training) model pada dataset (Komposisi 80:20).

  • Dataset Keseluruhan: -- Data
  • â–ļ Data Latih (80%): -- Data
  • â–ļ Data Uji (20%): -- Data

  • Distribusi Data Uji (-- Data):
  • + Positif: -- data
  • - Negatif: -- data
  • O Netral: -- data

  • Benar (True Positives per Kelas):
  • - Benar Positif: --
  • - Benar Negatif: --
  • - Benar Netral: --

  • Total Prediksi Benar: -- data
  • Akurasi: (-- / --) = --%

Bukti Confusion Matrix (Tabel Kebenaran):

Aktual \ Prediksi Positif Negatif Netral
Positif (100) -- -- --
Negatif (60) -- -- --
Netral (40) -- -- --

*Angka berwarna di diagonal utama adalah prediksi yang tepat (Benar).