Kursus/Pelatihan Data Science ~ Analisis Sentimen Multibahasa pada Twitter Menggunakan Transformer Multilingual

Berikut adalah silabus 20 sesi (masing-masing 1,5 jam) untuk kursus atau penelitian berjudul:
“Analisis Sentimen Multibahasa pada Twitter Menggunakan Transformer Multilingual”, dengan fokus pada Natural Language Processing (NLP) menggunakan Python dan model seperti mBERT atau XLM-RoBERTa.

🗂️ Silabus 20x Sesi (1,5 jam per sesi)

🔹 Fase 1: Dasar-Dasar NLP dan Sentiment Analysis (Sesi 1–5)

Sesi 1: Pengenalan NLP dan Analisis Sentimen

• Definisi NLP, Sentiment Analysis, dan aplikasinya

• Tantangan dalam analisis sentimen multibahasa

• Tools dan pustaka Python yang digunakan (NLTK, Hugging Face, Transformers)

Sesi 2: Pengenalan Twitter API dan Data Crawling

• Mendaftar dan menggunakan Twitter API v2

• Crawling tweet multibahasa dengan tweepy / snscrape

• Penyimpanan data dalam CSV/JSON

Sesi 3: Preprocessing Data Teks Multibahasa

• Cleaning tweet (stopwords, hashtags, emojis, URL)

• Tokenisasi dan normalisasi teks

• Bahasa Indonesia dan multilingual preprocessor

Sesi 4: Exploratory Data Analysis (EDA)

• Visualisasi data: wordcloud, distribusi label

• Analisis frekuensi kata per bahasa

• Deteksi bahasa otomatis

Sesi 5: Dasar Analisis Sentimen Konvensional

• Sentiment analysis dengan TextBlob dan SentiStrength (bahasa Inggris & Indonesia)

• Kelebihan dan kekurangan metode lexicon-based

🔹 Fase 2: Penerapan Transformer Multilingual (Sesi 6–12)

Sesi 6: Pengenalan Transformer dan BERT

• Arsitektur Transformer dan konsep Attention

• BERT dan varian multilingual (mBERT, XLM-RoBERTa)

• Hugging Face Transformers library

Sesi 7: Tokenisasi dan Encoding dengan Transformers

• Tokenizer multilingual

• Padding, truncation, dan encoding input text

Sesi 8: Fine-tuning mBERT untuk Analisis Sentimen

• Membuat dataset label sentimen (positive, neutral, negative)

• Struktur input/output model

• Fine-tuning dengan PyTorch atau TensorFlow

Sesi 9: Training dan Evaluasi Model

• Training loop dan loss function

• Evaluasi model (accuracy, F1-score, confusion matrix)

• Validasi silang (cross-validation)

Sesi 10: Penerapan XLM-RoBERTa untuk Perbandingan

• Instalasi dan setup model XLM-R

• Training dan evaluasi model XLM-R vs mBERT

• Visualisasi hasil klasifikasi

Sesi 11: Penanganan Ketidakseimbangan Data

• Analisis distribusi label

• Teknik oversampling dan undersampling (SMOTE, class weight)

Sesi 12: Penggunaan Model Pretrained (Zero-shot Classification)

• Zero-shot sentiment classification dengan pipeline() dari HuggingFace

• Evaluasi hasil pada bahasa minoritas

🔹 Fase 3: Evaluasi, Integrasi, dan Deployment (Sesi 13–20)

Sesi 13: Error Analysis dan Model Tuning

• Identifikasi kesalahan klasifikasi

• Tuning hyperparameter: learning rate, batch size, epoch

• Optimizer dan scheduler

Sesi 14: Evaluasi Multibahasa

• Performa model berdasarkan bahasa (ID, EN, JP, dll.)

• Perbandingan performa antar model

Sesi 15: Visualisasi Hasil Model

• T-SNE dan PCA untuk embedding visual

• Interpretasi hasil dan interaksi antar bahasa

Sesi 16: Explainable AI (XAI) untuk Transformer

• Menggunakan LIME dan SHAP untuk interpretasi hasil model

• Visualisasi kata penting dalam prediksi

Sesi 17: Integrasi Model ke Aplikasi Streamlit

• Membangun antarmuka sederhana dengan Streamlit

• Input teks, deteksi bahasa, dan prediksi sentimen

Sesi 18: Analisis Sentimen Real-Time dengan Twitter Streaming API

• Streaming tweet real-time

• Prediksi dan update hasil sentimen secara langsung

Sesi 19: Deployment ke Cloud (Hugging Face Space / Gradio / Heroku)

• Menyiapkan model untuk deployment

• Membuat endpoint dan testing aplikasi live

Sesi 20: Review, Diskusi & Presentasi Proyek Akhir

• Evaluasi keseluruhan proyek

• Saran pengembangan lebih lanjut (multi-label, emotion detection)

• Presentasi hasil masing-masing peserta