|
|
|
**SISTEM APLIKASI VISUALISASI INDIKATOR BPS**
|
|
|
|
|
|
|
|
Sistem aplikasi ini dibangun dengan tujuan digunakan sebagai media eksplorasi dan edukasi mengenai indikator BPS dan keterkaitannya. Sistem aplikasi ini terdiri dari dua komponen yaitu komponen visualisasi interaktif dan komponen penambahan referensi. Komponen visualisasi interaktif dikembangkan dengan berbasis web sedangkan komponen penambahan referensi masih dilakukan dengan menggunakan bahasa python.
|
|
|
|
|
|
|
|
Visualisasi interaktif berbasis web menggunakan library d3.js. Terdapat tiga halaman visualisasi yang dibuat. Visualisasi hirarkis dengan *sunburst* pada halaman utama dan visualisasi diagram *tree* pada halaman kedua. Halaman ketiga menampilkan visualisasi keterkaitan menggunakan *network* dengan posisi masing-masing *node* indikator yang telah dikelompokkan.
|
|
|
|
|
|
|
|
Halaman utama:
|
|
|
|
|
|
|
|
![image](/uploads/b998c29c59d674f6a36babc2d7d59362/image.png)
|
|
|
|
|
|
|
|
Halaman kedua:
|
|
|
|
|
|
|
|
![image](/uploads/e77fd8c432c158b2a0ecdfc306efa57f/image.png)
|
|
|
|
|
|
|
|
Halaman ketiga:
|
|
|
|
|
|
|
|
![image](/uploads/2c6e7739d94681d67257b7cdb0e8910f/image.png)
|
|
|
|
|
|
|
|
Penambahan referensi dilakukan dengan menggunakan *class* Trainer1 pada modul 'model_model'. *Class* ini juga digunakan untuk proses training model NER yang akan digunakan untuk mendeteksi adanya indikator pada sebuah teks abstraksi.
|
|
|
|
|
|
|
|
Perintah untuk melakukan training data:
|
|
|
|
|
|
|
|
`a = model_model.Trainer1(dataFrame_train, dataFrame_test, label, model, new_model_name)
|
|
|
|
a.set_data()
|
|
|
|
a.ner_training(drop0, n_iter)
|
|
|
|
a.evaluate()
|
|
|
|
a.save_model(output_dir)
|
|
|
|
`
|
|
|
|
|
|
|
|
Perintah untuk input abstraksi
|
|
|
|
|
|
|
|
`a.predictSave(judul, penulis, teks_abstraksi)` |
|
|
|
\ No newline at end of file |