refactor: restrukturisasi folder eksperimen ke tasks modular

README.md

@@ -6,32 +6,48 @@ Repository ini berisi implementasi tugas dan eksperimen Deep Learning, mencakup
 
 ## 📁 Struktur Folder Proyek
 
-Struktur direktori telah dirapikan secara modular sebagai berikut:
+Struktur direktori dirapikan secara modular dan terkelompok berdasarkan topik tugas:
 
 ```text
 kelompok3-deeplearning/
 ├── .gitignore                      # Konfigurasi file & folder yang diabaikan git
 ├── requirements.txt                # Daftar pustaka / dependensi Python
 ├── README.md                       # Dokumentasi utama proyek
-├── docs/                           # Dokumentasi dan analisis tambahan
-│   └── model_selection.md          # Analisis justifikasi pemilihan model (Tugas 3)
-├── src/                            # Modul reusable / fungsi pembantu
+├── docs/                           # Dokumentasi dan analisis laporan
+│   ├── laporan_akhir.md
+│   ├── PRESENTATION.md
+│   ├── model_selection.md
+│   └── analisis_evaluasi_model_sentimen_gap.md
+├── src/                            # Modul reusable / fungsi pembantu bersama
 │   ├── __init__.py
 │   ├── data_loader.py              # Loader & preprocessor dataset MNIST (MLP & CNN)
 │   ├── models.py                   # Definisi arsitektur model (MLP, Regularized MLP, CNN)
 │   └── utils.py                    # Callback timer, manajemen folder, plotting helper
-├── experiments/                    # Skrip eksperimen & tugas utama
-│   ├── 01_mlp_comparison.py        # Tugas 1: Perbandingan 3 arsitektur MLP
-│   ├── 02_regularization.py        # Tugas 2: Eksperimen Regularisasi BatchNorm + Dropout
-│   ├── 03_model_selection.py       # Tugas 3: Implementasi contoh arsitektur model
-│   └── 04_cnn_mnist.py             # Tugas 4: Implementasi CNN MNIST & perbandingan vs MLP
-└── results/                        # Output dari eksperimen
-    ├── figures/                    # Plot visualisasi (akurasi, loss curve, bar chart)
-    │   ├── hasil_cnn.png
-    │   └── loss_regularization.png
-    └── models/                     # Bobot model terlatih (.keras)
-        ├── model_cnn_mnist.keras
-        └── model_c_regularized.keras
+├── tasks/                          # Skrip tugas yang dikelompokkan berdasarkan topik
+│   ├── mlp/                        # Topik 1: Multi-Layer Perceptron (MNIST)
+│   │   ├── 01_mlp_comparison.py    # Eksperimen perbandingan 3 arsitektur MLP
+│   │   ├── 02_regularization.py    # Eksperimen regularisasi (BatchNorm + Dropout)
+│   │   └── 03_model_selection.py   # Studi kasus pemilihan arsitektur model
+│   ├── cnn/                        # Topik 2: Convolutional Neural Network (MNIST)
+│   │   ├── 04_cnn_mnist.py         # Baseline CNN vs MLP
+│   │   ├── 05_cnn_full_pipeline.py # Pipeline CNN lengkap (Loss/Acc curve, Confusion Matrix)
+│   │   ├── 06_cnn_deeper.py        # Eksplorasi kedalaman CNN (2 blok vs 3 blok)
+│   │   └── 07_cnn_evaluation.py    # Evaluasi mendalam (per-class metrics, confidence, misclassified)
+│   └── nlp_sentiment/              # Topik 3: NLP Analisis Sentimen (Tokopedia)
+│       └── 08_sentimen_gap.py      # Klasifikasi sentimen ulasan Tokopedia (GlobalAveragePooling1D)
+└── results/                        # Output terorganisir per kelompok tugas
+    ├── 01_mlp/
+    │   ├── figures/                # Visualisasi grafik MLP & regularisasi
+    │   ├── models/                 # Model terlatih MLP (.keras)
+    │   └── reports/                # Laporan & ringkasan metrik MLP (.csv)
+    ├── 02_cnn/
+    │   ├── figures/                # Visualisasi grafik, confusion matrix, error analysis CNN
+    │   ├── models/                 # Model terlatih CNN (.keras)
+    │   └── reports/                # Classification report (.txt, .csv) & evaluasi CNN
+    └── 03_nlp_sentiment/
+        ├── figures/                # Distribusi label, kurva training, confusion matrix GAP
+        ├── models/                 # Model terlatih sentiment GAP (.keras)
+        └── reports/                # Classification report sentimen (.txt)
 ```
 
 ---
@@ -56,29 +72,27 @@ python -m venv .venv
 pip install -r requirements.txt
 ```
 
-### 3. Menjalankan Eksperimen
+### 3. Menjalankan Tugas
 
-Semua skrip eksperimen berada di dalam folder `experiments/`:
+#### 🔹 Topik 1: Multi-Layer Perceptron (MLP)
+```bash
+python tasks/mlp/01_mlp_comparison.py
+python tasks/mlp/02_regularization.py
+python tasks/mlp/03_model_selection.py
+```
 
-- **Eksperimen 1: Perbandingan Arsitektur MLP**
-  ```bash
-  python experiments/01_mlp_comparison.py
-  ```
+#### 🔹 Topik 2: Convolutional Neural Network (CNN)
+```bash
+python tasks/cnn/04_cnn_mnist.py
+python tasks/cnn/05_cnn_full_pipeline.py
+python tasks/cnn/06_cnn_deeper.py
+python tasks/cnn/07_cnn_evaluation.py
+```
 
-- **Eksperimen 2: Regularisasi (BatchNorm + Dropout)**
-  ```bash
-  python experiments/02_regularization.py
-  ```
-
-- **Eksperimen 3: Contoh Model Selection (LSTM, CNN, NLP, XGBoost)**
-  ```bash
-  python experiments/03_model_selection.py
-  ```
-
-- **Eksperimen 4: CNN MNIST vs MLP**
-  ```bash
-  python experiments/04_cnn_mnist.py
-  ```
+#### 🔹 Topik 3: NLP Analisis Sentimen
+```bash
+python tasks/nlp_sentiment/08_sentimen_gap.py
+```
 
 ---