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)



