Modul 4 — Modul 4 — Klasifikasi Teks dan Evaluasi yang Jujur

• Menerapkan Naive Bayes multinomial dan regresi logistik di atas representasi TF-IDF pada satu kasus konkret (pemilahan tiket layanan pelanggan atau penilaian sentimen ulasan marketplace), termasuk membagi data tanpa kebocoran.
• Membedakan presisi, recall, F1, dan akurasi berdasarkan pertanyaan yang dijawab masing-masing, serta membaca matriks kebingungan per kelas sebagai sumber angka-angka tersebut.
• Mengevaluasi kinerja model dengan memilih metrik utama yang sesuai dengan biaya kesalahan dan kapasitas tinjau manusia pada kasus yang dihadapi, bukan memakai metrik bawaan.
• Menganalisis kesalahan per kelas untuk merumuskan penyebab dominan — label rancu, kebocoran data, atau kelas yang sangat timpang — dan menentukan tindakan perbaikan yang sesuai dengan penyebab itu.