Bangun aplikasi media monitoring untuk menemukan topik berita Bahasa Indonesia dengan BERTopic, Sentence Transformers, dan Streamlit.
Skill yang dibangun
Menyiapkan, membersihkan, dan memvalidasi kumpulan berita Bahasa Indonesia menggunakan Python dan pandas.
Menggunakan Sentence Transformers untuk mengubah dokumen Bahasa Indonesia menjadi embedding yang menangkap kemiripan makna.
Membangun dan menginterpretasikan model BERTopic, termasuk membaca keyword, distribusi topik, dan dokumen representatif.
Membuat dashboard Streamlit untuk eksplorasi topik, pencarian berita, serta penyajian insight media monitoring.
Data analyst, Python developer, mahasiswa, peneliti pemula, dan praktisi bisnis yang sudah memahami dasar Python serta pandas dan ingin menganalisis kumpulan dokumen Bahasa Indonesia secara otomatis untuk kebutuhan media monitoring, riset pasar, atau pemetaan isu.
Project outcomes
Kamu akan membangun aplikasi media monitoring berbasis Streamlit. Aplikasi ini menerima kumpulan berita Bahasa Indonesia, menjalankan preprocessing dan embedding, menemukan kelompok topik dengan BERTopic, lalu menampilkan ringkasan topik, keyword utama, jumlah dokumen, dan contoh berita. Kamu juga akan menambahkan validasi input serta menangani error umum supaya aplikasi tidak gampang crash saat dipakai dengan data baru.
Kamu akan membangun alur analisis topik berita Bahasa Indonesia dari nol sampai jadi aplikasi yang bisa dipakai. Kita mulai dari menyiapkan dan membersihkan data, memahami embedding dengan Sentence Transformers, lalu mengelompokkan dokumen menggunakan BERTopic.
Setiap konsep dibawa lewat contoh kode Python yang runnable dan dipecah menjadi langkah kecil. Kamu akan melihat apa yang terjadi saat data masuk ke pipeline, bagaimana embedding merepresentasikan makna teks, dan kenapa hasil clustering perlu divalidasi—bukan sekadar dipercaya mentah-mentah.
Di bagian akhir, semua hasil analisis disajikan lewat dashboard Streamlit. Kamu juga akan berlatih menangani masalah yang sering muncul, seperti data kosong, model embedding yang tidak cocok untuk Bahasa Indonesia, jumlah dokumen yang terlalu sedikit, dan hasil topik yang sulit diinterpretasikan. Jadi bukan cuma bisa menjalankan notebook, tapi juga punya proyek yang relevan untuk portfolio kerja.
Bangun pipeline Python untuk menemukan aspek produk dan mengukur sentimen dari ulasan berbahasa Indonesia.
Bangun pipeline ekstraksi entitas dan relasi dari teks Bahasa Indonesia, lalu evaluasi hasilnya sebagai knowledge graph yang terukur.
Bangun alur Python untuk mengekstrak tabel dari PDF operasional, memvalidasi hasilnya, lalu menyimpannya sebagai CSV siap analisis.
Bangun pipeline synthetic data tabular yang dapat diuji dari sisi privasi, kualitas statistik, dan dampaknya terhadap performa model.