Update app.py

update (function predict_sentiment) : emoticon logic

app.py

@@ -131,6 +131,29 @@ def select_sentiment_model(selected_model, model_enesmble, model_nb, model_lr):
 
 # Fungsi untuk prediksi sentimen
 
+# def predict_sentiment(text, _sentiment_model, _tfidf_vectorizer, slang_dict):
+#     # Tahap-1: Membersihkan dan normalisasi teks
+#     cleaned_text = clean_text(text)
+#     norm_slang_text = normalize_slang(cleaned_text, slang_dict)
+
+#     # Tahap-2: Ekstraksi fitur TF-IDF
+#     tfidf_matrix = _tfidf_vectorizer.transform([norm_slang_text])
+
+#     # Tahap-3: Lakukan prediksi sentimen
+#     sentiment = _sentiment_model.predict(tfidf_matrix)
+
+#     # Tahap-4: Menggantikan indeks dengan label sentimen
+#     labels = {0: "Negatif", 1: "Netral", 2: "Positif"}
+#     sentiment_label = labels[int(sentiment)]
+    
+#     if sentiment == "Positif":
+#         emoticon = "😄"  # Emotikon untuk sentimen positif
+#     elif sentiment == "Negatif":
+#         emoticon = "😞"  # Emotikon untuk sentimen negatif
+#     else:
+#         emoticon = "😐"  # Emotikon untuk sentimen netral
+#     return sentiment_label, emoticon
+    
 def predict_sentiment(text, _sentiment_model, _tfidf_vectorizer, slang_dict):
     # Tahap-1: Membersihkan dan normalisasi teks
     cleaned_text = clean_text(text)
@@ -140,18 +163,16 @@ def predict_sentiment(text, _sentiment_model, _tfidf_vectorizer, slang_dict):
     tfidf_matrix = _tfidf_vectorizer.transform([norm_slang_text])
 
     # Tahap-3: Lakukan prediksi sentimen
-    sentiment = _sentiment_model.predict(tfidf_matrix)
+    sentiment = _sentiment_model.predict(tfidf_matrix)[0]  # Ambil elemen pertama dari hasil prediksi
 
     # Tahap-4: Menggantikan indeks dengan label sentimen
     labels = {0: "Negatif", 1: "Netral", 2: "Positif"}
-    sentiment_label = labels[int(sentiment)]
-    
-    if sentiment == "Positif":
-        emoticon = "😄"  # Emotikon untuk sentimen positif
-    elif sentiment == "Negatif":
-        emoticon = "😞"  # Emotikon untuk sentimen negatif
-    else:
-        emoticon = "😐"  # Emotikon untuk sentimen netral
+    sentiment_label = labels[sentiment]
+
+    # Tahap-5: Tentukan emoticon berdasarkan label sentimen
+    emoticons = {"Negatif": "😞", "Netral": "😐", "Positif": "😄"}
+    emoticon = emoticons.get(sentiment_label, "😐")  # Default emoticon untuk label tidak dikenal
+
     return sentiment_label, emoticon