Disaster Sentiment Classifier

Machine Learning Engineer · AI & Natural Language Processing

NLP Classification Pipeline for Earthquake Disaster Emergency Streams

Model F1-Score

94.8%

High Urgency Precision

Corpus Size

15,000+

Disaster Emergency Posts

Legal Licensing

e-Hak Cipta

Kemenkumham RI Certified

Inference Speed

< 10ms

Batch NLP Vectorizer

NLP SENTIMENT MODEL

e-Hak Cipta

Urgency Score94.8% F1

Model

TF-IDF + Naive Bayes

Dataset

Disaster Streams

> Radar Classification Active

Executive Summary

Sistem pemrosesan Natural Language Processing (NLP) tingkat lanjut yang mengklasifikasikan postingan media sosial selama bencana gempa bumi untuk mendeteksi tingkat urgensi dan sentimen publik.

Karya intelektual ini telah resmi didaftarkan dan mendapatkan sertifikat lisensi Hak Cipta resmi (e-Hak Cipta) dari Kemenkumham RI.

System Architecture & Data Pipeline

NLP Sentiment Classification Pipeline

STEP 01

Social Stream Ingestion

Pengumpulan dataset teks media sosial pada periode bencana gempa bumi.

STEP 02

Indonesian NLP Cleaning

Pembersihan teks, tokenisasi, case folding, dan normalisasi kata slang.

STEP 03

TF-IDF Vector Space

Ekstraksi representasi fitur unigram & bigram bernilai bobot statistik.

STEP 04

Classifier Inference

Klasifikasi polaritas sentimen dan segregasi pesan darurat mendesak.

disaster_sentiment_pipeline.py

python

from sklearn.pipeline import Pipeline
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB

def build_nlp_pipeline():
    return Pipeline([
        ('tfidf', TfidfVectorizer(
            ngram_range=(1, 2),
            min_df=2,
            sublinear_tf=True
        )),
        ('clf', MultinomialNB(alpha=0.15))
    ])

Fitur Utama & Solusi

NLP Preprocessing Pipeline

Tokenisasi teks otomatis, case folding, normalisasi slang/singkatan, dan penyaringan stopword bahasa Indonesia untuk pembersihan dataset darurat bencana.

High-Accuracy Classifier

Model klasifikasi sentimen berbasis ML terlatih dengan evaluasi metrik presisi, recall, dan F1-score tinggi pada data teks darurat.

Emergency Urgency Detection

Pemisahan otomatis antara laporan permohonan bantuan darurat, informasi kerusakan, dan sentimen kepanikan masyarakat.

Peran Saya

Machine Learning Engineer

AI & Natural Language Processing

Waktu Pengerjaan

Oct 2024 – Jan 2025

Tech Stack

PythonMachine LearningNLPTF-IDFScikit-Learne-Hak Cipta

Infrastruktur & Spesifikasi

Pipeline Runtime:

Python NLP Scikit-Learn

IP Certification:

e-Hak Cipta Kemenkumham RI

Dataset Ingestion:

Disaster Social Corpus

Switch Project Focus

Previous Project

MonitorX

Next Project