SentimenX-BTC Package untuk menganalisis sentimen Bitcoin dari teks menggunakan preprocessing, tokenization, dan model machine learning.

Fitur Utama

• Membersihkan teks dari noise seperti tanda baca dan angka.
• Tokenisasi teks dengan padding otomatis.
• Analisis sentimen menggunakan model machine learning terlatih.
• Mendukung klasifikasi sentimen positif dan negatif.

Instalasi Gunakan pip untuk menginstal package ini: pip install sentimentX-btc

How to Use?

1. preprocessing(text)

Deskripsi:

Fungsi ini digunakan untuk membersihkan teks dari simbol atau karakter yang tidak diinginkan, mengubah teks menjadi huruf kecil, dan menghapus kata-kata berhenti (stop words). Fungsi ini mendukung input berupa string, pandas Series, atau list.

Parameter:

• text: Input berupa string, pandas Series, atau list teks mentah yang akan diproses.

Output:

• Mengembalikan teks yang telah diproses dalam bentuk pandas Series.

Contoh Penggunaan:

text = "Hello, world! This is a test."
processed_text = preprocessing(text)
print(processed_text)

---

2. tokenize_and_padding(text, max_len=0)

Deskripsi:

Fungsi ini melakukan tokenisasi (mengubah teks menjadi token angka) dan padding (menyesuaikan panjang token agar seragam). Panjang padding dapat ditentukan secara manual atau dihitung otomatis.

Parameter:

• text: Input berupa string, pandas Series, atau list teks yang akan ditokenisasi dan dipad.
• max_len (opsional): Panjang maksimum padding. Jika 0, panjang akan dihitung otomatis.

Output:

• Mengembalikan numpy array berisi token yang telah dipad.

Contoh Penggunaan:

text = ["This is a test", "Another example"]
padded_sequences = tokenize_and_padding(text)
print(padded_sequences)

---

3. only_prediction(tokenized)

Deskripsi:

Fungsi ini melakukan prediksi sentimen berdasarkan token yang telah diproses menggunakan model. Hasilnya berupa probabilitas dan label sentimen (positif/negatif).

Parameter:

• tokenized: Numpy array atau list token yang telah dipad.

Output:

• DataFrame dengan kolom:
  • prediction: Probabilitas prediksi.
  • sentiment: Label sentimen (1 = positif, 0 = negatif).

Contoh Penggunaan:

tokenized = [[1, 2, 3, 4], [5, 6, 7, 0]]
result = only_prediction(tokenized)
print(result)

---

4. full_prediction(text, pad=0)

Deskripsi:

Fungsi ini melakukan proses lengkap mulai dari preprocessing, tokenisasi, padding, hingga prediksi sentimen untuk teks mentah.

Parameter:

• text: Input berupa string atau pandas Series yang akan diproses.
• pad (opsional): Panjang padding. Jika 0, panjang akan dihitung otomatis.

Output:

• DataFrame dengan kolom:
  • text: Teks yang telah diproses.
  • padded: Token hasil padding.
  • prediction: Probabilitas prediksi.
  • sentiment: Label sentimen (1 = positif, 0 = negatif).

Contoh Penggunaan:

text = "This is a great day!"
result = full_prediction(text)
print(result)

---

5. detokenized(sequences)

Deskripsi:

Fungsi ini mengubah token angka hasil tokenisasi kembali menjadi teks asli berdasarkan mapping tokenizer.index_word.

Parameter:

• sequences: List dua dimensi berisi token angka.

Output:

• List teks hasil detokenisasi.

Contoh Penggunaan:

sequences = [[1, 2, 3, 4], [5, 6, 0, 0]]
detokenized_text = detokenized(sequences)
print(detokenized_text)

---

---

Selamat menganalisis! Semoga bermanfaat! 😄

Dependencies Package ini membutuhkan library berikut:

• Python 3.7+
• TensorFlow
• Numpy
• Pandas
• Scikit-learn
• Joblib

Lisensi Project ini dirilis di bawah lisensi MIT.

Kontak Jika memiliki pertanyaan atau feedback, silakan hubungi saya: Komang Nitay Prasaddas Email: nitay06@students.amikom.ac.id