{
  "fetched_at": "2026-10-20T02:05:57Z",
  "source_url": "https://www.kaggle.com/competitions/freepassbcc/data",
  "pages": [
    {
      "name": "data-description",
      "content": "## **Deskripsi File**\n\n- Data Train.csv - Data yang berisi komentar beserta kategori sentimen label\n- Data Test.csv - Data uji yang berisi komentar yang harus Anda kategorikan\n- sample_submission.csv - Contoh submission yang benar\n\n## **Penjelasan atribut dan kelas target**\n\n- id - Id unik setiap review\n- Komentar - Komentar yang diberikan pengguna\n- Label - label dari komentar (0=komentar buruk, 1=komentar baik)",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Halo semua, kami dari sub-departemen Data Science dari departemen Computational Intelligence mengadakan jalur Free Pass bagi kalian yang ingin masuk ke sub-departemen DS. Dengan menyelesaikan kompetisi Kaggle berikut dengan deadline kompetisi 2 Februari 2022, 23.59 WIB. Selain mengirimkan hasil prediksi ke Kaggle, peserta juga diminta mengirimkan notebook hasil pengerjaan ke link berikut Link Submission.\nLink Submission : https://bit.ly/FileFreepassbcc_DS\n\nkemudian akan diadakan juga presentasi pengerjaan menggunakan notebook yang telah dikirimkan, untuk info lebih lanjut mengenai presentasi akan diinfokan melalui email yang Anda telah kirimkan pada link submission.\n\nJalur Free Pass hanya dapat diikuti bagi mahasiswa FILKOM yang memang benar ingin masuk ke dalam sub-departemen Data Science BCC. Maksimal yang dapat lolos jalur Free Pass hanyalah 1 orang, jadi jika Anda tidak lolos tenang saja karena jalur normal terbuka lebar untuk itu tetap pantau IG BCC di @bccfilkom",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "Metrik evaluasi yang digunakan adalah Macro F1 Score . F1 score, umumnya digunakan dalam information retrieval, mengukur akurasi menggunakan statistics precision p dan recall r. Precision adalah rasio dari true positives (tp) dengan semua yang diprediksi positif(tp + fp). Recall adalah rasio dari true positives dengan semua actual positives (tp + fn). F1 score diformulasikan sebagai:\n![image](https://miro.medium.com/max/1400/1*wUdjcIb9J9Bq6f2GvX1jSA.png)\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "This is a page where you can include rules that participants must accept before joining. You may wish to include rules like:\n\nDon't cheat!\nApply yourself!\nHave fun!!!!!!!!!!!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Problem",
      "content": "Hotel BCC merupakan hotel yang ada di Malang. Di hotel ini tamu yang checkout diminta untuk menuliskan review mengenai pengalaman menginapnya di hotel. Masalahnya, data yang diberikan hanyalah sebuah review sehingga ketika data review dikumpulkan data tersebut menjadi sulit untuk dianalisis. Anda sebagai seorang data scientist diminta untuk melakukan prediksi apakah review yang diberikan adalah review buruk atau review baik.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Penting",
      "content": "**Format nama : Nama asli - email aktif**",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}