Text Classification
Transformers
Safetensors
Indonesian
bert
sentiment-analysis
tiktok
indobert
text-embeddings-inference
Instructions to use yehezkielhaganta/indobert-tiktok-political-sentiment with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use yehezkielhaganta/indobert-tiktok-political-sentiment with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-classification", model="yehezkielhaganta/indobert-tiktok-political-sentiment")# Load model directly from transformers import AutoTokenizer, AutoModelForSequenceClassification tokenizer = AutoTokenizer.from_pretrained("yehezkielhaganta/indobert-tiktok-political-sentiment") model = AutoModelForSequenceClassification.from_pretrained("yehezkielhaganta/indobert-tiktok-political-sentiment") - Notebooks
- Google Colab
- Kaggle
TikTok Sentiment Analysis
Model ini adalah hasil fine-tuning dari IndoBERT (indobenchmark/indobert-base-p1) yang dilatih khusus menggunakan dataset komentar TikTok.
Model ini dirancang untuk memahami gaya bahasa media sosial Indonesia yang informal, mengandung banyak singkatan, slang, dan sarkasme (khususnya dalam konteks isu sosial/politik).
π― Intended Use
Model ini dibuat untuk keperluan Tugas Project (Metode Numerik). Cocok digunakan untuk:
- Analisis sentimen komentar media sosial (TikTok).
- Mendeteksi polaritas opini publik (Positif, Netral, Negatif).
- Menangani teks dengan noise tinggi (typo/bahasa gaul).
β οΈ Limitations (Disclaimer)
- Experimental Version: Model ini merupakan versi awal (v1) dan dilatih dengan epoch terbatas.
- No Rigorous Validation: Belum dilakukan pengujian validasi mendalam (cross-validation) atau benchmark akurasi formal.
- Bias: Model dilatih pada dataset spesifik komentar bertema polititik dan bencana alam, sehingga mungkin memiliki bias terhadap topik atau tokoh tertentu.
π» How to Use (Python)
from transformers import pipeline
model_id = "zekiell/indobert-tiktok-political-sentiment"
nlp = pipeline("text-classification", model=model_id)
result = nlp("Kerjanya bagus dan hasilnya memuaskan")
print(result)
- Downloads last month
- 37
Model tree for yehezkielhaganta/indobert-tiktok-political-sentiment
Base model
indobenchmark/indobert-base-p1