---
license: apache-2.0
language: [id]
base_model: indobenchmark/indobert-base-p1
tags: [aspect-based-sentiment-analysis, indonesian, e-commerce, umkm]
---

# InsightUlasan NLP-01

IndoBERT yang di-fine-tune untuk klasifikasi aspek dan sentimen pada ulasan e-commerce
Bahasa Indonesia informal. Dibangun untuk AIC COMPFEST 18.

Dua kepala di atas satu encoder bersama: multi-label aspek (11 kelas) dan sentimen tiga kelas.

## Batas klaim — baca sebelum memakai

**Sentimen: tervalidasi.** Pada label manusia independen (NusaX-senti, PRDECT-ID) macro F1
0,730 berbanding 0,700 milik baseline leksikon. Kelas netral membaik dari 0,021 ke 0,645.

**Aspek: BELUM tervalidasi.** Label aspek pada data latih berasal dari labeling function yang
ditulis tim sendiri, sehingga metrik aspek mengukur kesepakatan dengan aturan itu — bukan
akurasi. Angka aspek tidak boleh dikutip sebagai capaian.

**Kelemahan yang diketahui:** model kurang memanggil kelas negatif. Pada PRDECT-ID, 128 dari
420 ulasan berlabel negatif tidak dikenali. Penyebabnya bukan aturan keputusan di batas
ambang — 88% di antaranya diprediksi dengan probabilitas negatif di bawah 0,10, artinya model
yakin ketika ia salah.

Rincian lengkap: <https://github.com/patrick12354/BPS_AIC> (docs/MODEL_CARD.md, LIMITATIONS.md)

## Pemakaian

Model ini memerlukan kelas `DualHeadClassifier` dari repositori di atas; ia bukan checkpoint
`AutoModel` standar.

```python
from huggingface_hub import snapshot_download
snapshot_download(repo_id="MikaelAdi/insightulasan-nlp01", local_dir="models/indobert-nlp01")
```