Overview
Sentiment Dashboard adalah aplikasi web satu-halaman untuk membaca, menganalisis, dan memvisualkan sentimen percakapan (X/Twitter atau sumber lain) tanpa koding dan tanpa instalasi BI. Cukup unggah CSV, semua grafik tersinkron otomatis (cross-filter).
Masalah yang diselesaikan
Praktiknya, analisis sentimen biasanya melewati 3 tahap:
- Ambil data dari X/Twitter (Tweet Harvest, Octoparse, atau scraper lain).
- Beri skor sentimen per tweet/kalimat.
- Visualisasikan agar mudah dipahami lintas tim.
Bagian (2) dan (3) sering jadi bottleneck: perlu model, notebook, atau BI tool. Solusinya saya pecah jadi dua komponen yang saling melengkapi:
- Sentiment Scoring Service — batch per kata atau satu file sekaligus:
https://sentiment.sholeh.qomarudd.in - Sentiment Dashboard — visual analitik siap pakai:
https://dashboard.sholeh.qomarudd.in/sentiment
Hasilnya, alur end-to-end: ambil data skor otomatisupload ke dashboardpresentasi.
Untuk siapa
- Brand, PR, Social Media Analyst yang butuh monitor cepat respons publik.
- Peneliti, jurnalis data, pelajar/mahasiswa, penggiat komunitas, tim kampanye yang perlu navigasi isu berbasis bukti.
- Founder/PM yang ingin proof-of-insight tanpa repot notebook/BI.
Alur kerja (3 langkah)
- Kumpulkan data
Ambil dataset dari X/Twitter (Tweet Harvest, Octoparse, atau scraper pilihanmu). Simpan sebagai CSV UTF-8. - Skorkan sentimen
Unggah CSV ke https://sentiment.sholeh.qomarudd.in untuk memperoleh status & skor sentimen (per tweet/kalimat). Bisa juga skoring per kata. - Unggah ke dashboard
Klik upload data / drag-drop, petakan kolom di sebalah kanan (jika diperlukan). Semua grafik langsung tayang.
Apa yang kamu dapat?
- Donut Sentiment (Total / Last Month / Current Month) : Tampilan ringkas komposisi sentimen per periode, klik segmen untuk menyaring global.
- Timeline Stacked + Score Line : Volume harian per sentimen dengan rata-rata skor. Drag mini-map untuk fokus rentang waktu.
- Emotion Layer : Deteksi joy / anger / fear / disgust / sadness / toxic.
- Heatmap Hour×Day : Jam dan hari paling “ramai”. Klik sel untuk filter instan.
- Word Frequency (Positive/Negative/Neutral) : 10 kata teratas per sentimen (bar halus, rounded, jarak antarbarnya pas).
- Open Graph (Jejaring) : Relasi author dengan reply, tersedia klik node untuk ego view, tombol Back untuk kembali.
- Word Cloud — All Sentiments : Awan kata gabungan dengan nuansa warna (hijau/abu/merah).
- Tabel Interaktif : Urut, cari cepat, lihat teks mentah sesudah filter.
Nilai tambah
- Tanpa koding, tanpa BI
- Cross-filter real-time
- Rapih dan modern, desain kartu & chart yang konsisten (rounded, spacing yang pas, label jelas).
- Fleksibel sumber data, tidak terkunci X/Twitter; selama CSV sesuai peta kolom, jalan.
Keamanan dan Privasi
- Proses di sisi klien (browser). Data tidak dikirim ke server.
Format CSV (minimal)
| Kolom | Contoh | Keterangan |
|---|
UTC_Time | 2025-09-14 08:31:00 | Tanggal/waktu (UTC). Dipakai timeline & heatmap. |
Input Text | “bagus banget!” | Teks tweet/kalimat. |
Sentiment | Positive | Neutral | Negative | Label sentimen. |
Score | −1 … +1 | Skor sentimen (opsional, untuk garis nilai & kalkulasi). |
Author_Handle | @akunA | Dipakai Open Graph. |
Reply_to_Whom_Handle | @akunB | Dipakai Open Graph (edge). |
positive_keywords | “bagus;hebat” | Kata positif (opsional, untuk Word Freq/Cloud). |
negative_keywords | “jelek;parah” | Kata negatif (opsional). |
Nama kolom bisa berbeda—petakan saat upload. Format tanggal fleksibel selama dapat diparsing.
Frequently Asked Questions
Karena kegunaan, privasi, dan skala kerjanya berbeda.
- Kebutuhan pengguna berbeda
- Sentiment Analyzer: layanan kecil untuk menentukan label/score sentimen—cocok untuk cek 1 kalimat, batch satu file, atau integrasi pipeline. Banyak orang hanya butuh skor, tidak perlu visual.
- Sentiment Dashboard: fokus ke visualisasi cepat (donut, timeline, heatmap, word cloud, graph) untuk laporan/presentasi—tanpa harus utak-atik notebook/BI.
- Privasi & arsitektur yang bersih
- Dashboard memproses CSV langsung di browser ( client-side); tidak mengunggah data ke server.
- Analyzer membutuhkan komputasi server (model, batching). Dengan memisahkan keduanya, privasi dashboard tetap ketat dan analyzer bisa diskalakan terpisah.
- Skalabilitas & keandalan
- Komputasi analyzer bisa naik–turun beban tanpa mengganggu UI dashboard.
- Jika analyzer maintenance, dashboard tetap jalan untuk file yang sudah Anda punya.
- Modular & future-proof
- Mudah ganti/upgrade model sentimen tanpa mengubah dashboard.
- Memungkinkan sumber data lain masuk ke dashboard selama CSV sesuai peta kolom.
Secara teknis bisa. Namun saat ini sengaja dipisah agar:
- Privasi dashboard tetap murni client-side, data CSV Anda tidak dikirim ke server.
- Komputasi analyzer bisa ditakar & ditingkatkan tanpa mengganggu UI dashboard.
- Implementasi penggabungan membutuhkan alokasi waktu—lihat prioritas, mood, dan slot yang tersedia. 😉
Bisa. Jika Anda ingin kustom fitur, gaya visual, atau analisis lanjutan (mis. metrik/rumus khusus, model sentimen tertentu, atau integrasi pipeline), silakan hubungi saya melalui halaman kontak:
https://sholeh.qomarudd.in/p/contact.html
