setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1

2
2.0B
license:mit
by
wuriyanto
Embedding Model
OTHER
2B params
New
2 downloads
Early-stage
Try on Hugging FaceAdd to Compare
Edge AI:
Mobile
Laptop
Server
5GB+ RAM
Mobile
Laptop
Server
Quick Summary

This model uses the `sentence-transformers/paraphrase-multilingual-mpnet-base-v2` base model, which is trained with the Indonesian sentiment dataset.

Device Compatibility

Mobile
4-6GB RAM
Laptop
16GB RAM
Server
GPU
Minimum Recommended
2GB+ RAM

Code Examples

Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")
Usagepython
from setfit import SetFitModel

model = SetFitModel.from_pretrained("wuriyanto/setfit-paraphrase-multilingual-mpnet-base-v2-indonesian-sentiment-v1")

texts_to_classify = ["Pemerintah kurang memperhatikan kesejahteraan masyarakat, sehingga banyak kriminal dimana-mana",
                     "Makanan yang dihidangkan cukup enak, beberapa orang juga menyampaikan jika fasilitas, terutama meja, kursi dan kamar mandi sangat bersih.",
                     "Tempat perbelanjaan tersebut secara harga cukup terjangkau, dan tidak jauh dari tempat tinggal mahasiswa",
                     "Suka dengan layanan yang diberikan. Harga juga cukup terjangkau bagi masyarakat menengah ke bawah.", 
                     "Dengan banyaknya barang import murah yang masuk ke tengah-tengah masyarakat, menyebabkan beberapa UMKM bangkrut"]
predictions = model.predict(texts_to_classify)

for text, prediction in zip(texts_to_classify, predictions):
    print(f"Text: {text} -> Sentiment: {prediction}")

Deploy This Model

Production-ready deployment in minutes

Together.ai

Instant API access to this model

Fastest API

Production-ready inference API. Start free, scale to millions.

Try Free API

Replicate

One-click model deployment

Easiest Setup

Run models in the cloud with simple API. No DevOps required.

Deploy Now

Disclosure: We may earn a commission from these partners. This helps keep LLMYourWay free.