Niteni Research Workflow
Human-in-the-Loop Research Workflow Combining theory-driven coding, deterministic methods, AI-assisted clustering, and researcher validation.Codebook from Theory & Literature
Develop codebook based on theoretical framework and relevant literature.
Relevant Text Identification
Identify relevant text units using codebook-guided filtering.
Emotion & Sentiment Analysis
Detect emotions and sentiment from relevant text.
Semantic Meaning Extraction
Extract semantic meaning from relevant text units.
Meaning Exploration
Traslate and Explore Meaning - Wordcloud, Co-word, Trends
Semantic Embedding
Transform meanings into vector representations.
Thematic Clustering
Discover themes using semantic similarity and GPU acceleration.
Human Validation
Researchers validate, merge, split and refine themes.
AI Theme Naming
Generate meaningful and interpretable theme names.
Research Insights
Produce evidence-based qualitative research findings.
Tentang Niteni
Niteni berasal dari filosofi Jawa yang berarti mengamati dan memperhatikan dengan seksama. Dalam tradisi pembelajaran Jawa, niteni merupakan langkah awal untuk memahami suatu fenomena melalui pengamatan, pembelajaran, dan refleksi sebelum melakukan pengembangan lebih lanjut.
Berangkat dari filosofi tersebut, Niteni.web.id dikembangkan sebagai platform Qualitative Analysis with AI yang membantu peneliti, mahasiswa, instansi pemerintah, dan organisasi dalam menganalisis data teks skala besar secara lebih cepat, sistematis, dan tetap menjaga validitas akademik.
Niteni mengintegrasikan berbagai teknologi kecerdasan buatan untuk mendukung proses penelitian, mulai dari pengumpulan data, identifikasi teks relevan berbasis codebook, analisis sentimen dan emosi, semantic embedding, thematic analysis, hingga penamaan tema berbantuan Large Language Model (LLM).
- Web Scraping untuk Google Reviews, YouTube, dan berbagai sumber data publik lainnya..
- Codebook-Guided Qualitative Analysis untuk membantu identifikasi teks yang relevan dengan konstruk penelitian.
- Multilingual Processing yang mendukung berbagai bahasa dan dialek lokal.
- Sentiment & Emotion Analysis berbasis NRC Emotion Lexicon
- Semantic Clustering menggunakan teknologi AI dan GPU Acceleration.
- AI-Assisted Theme Discovery & Theme Naming untuk mempercepat proses thematic analysis.
- Visualisasi data interaktif melalui wordcloud, graph, dan dashboard analitik.
Berbeda dengan tools analisis teks pada umumnya, Niteni menerapkan pendekatan Human-in-the-Loop, dimana AI berperan sebagai akselerator proses analisis, sementara peneliti tetap memegang kendali penuh dalam proses validasi, interpretasi, dan pengambilan keputusan ilmiah.
Pendekatan ini memungkinkan analisis ratusan ribu hingga jutaan data teks tanpa menghilangkan peran penting peneliti dalam menghasilkan temuan yang valid dan bermakna.
Saat ini Niteni telah digunakan oleh peneliti, mahasiswa, praktisi, dan berbagai institusi untuk mendukung penelitian di bidang pariwisata, pendidikan, pelayanan publik, media sosial, pengalaman pelanggan, serta berbagai studi kualitatif lainnya.
Niteni AI — Transforming Big Text Data into Meaningful Research Insights.
Niteni at a Glance
Platform Statistik dan Kapabilitas
Database Ulasan
Database Dictionary
Codebooks
Emotion Dimensions
Model AI + Human Validation
Pengguna
Research Capabilities
Kemampuan Riset Unggulan Niteni AI
Codebook-Guided Analysis
Mengidentifikasi teks relevan berdasarkan codebook, definisi teori, instrumen penelitian, dan literatur ilmiah sehingga analisis lebih terarah.
Emotion-Aware Analytics
Mengukur sentimen dan delapan dimensi emosi untuk memahami pengalaman, persepsi dan perilaku pengguna.
Semantic Clustering
Mengelompokkan makna secara otomatis menggunakan semantic embedding dan GPU accelerated clustering.
Human Validation
Peneliti tetap memegang kendali dalam proses validasi, penggabungan, pemisahan dan interpretasi tema.
AI Theme Discovery
Menemukan tema penelitian dari jutaan unit makna menggunakan kombinasi AI, clustering dan analisis frekuensi.
AI Theme Naming
Memberikan nama tema yang informatif dan mudah dipahami menggunakan Large Language Model (LLM).
AI Infrastructure
Research AI Architecture Behind Niteni
NLLB 3.3
Translation Engine
Multilingual translation engine untuk menerjemahkan berbagai bahasa dan dialek lokal ke dalam bahasa analisis.
MiniLM
Semantic Embedding
Mengubah teks menjadi representasi semantik sehingga makna antar kalimat dapat dibandingkan secara akurat.
NRC Emotion
Emotion Analysis
Mengukur sentimen dan delapan dimensi emosi untuk memahami pengalaman dan persepsi pengguna.
HDBSCAN GPU
Theme Discovery
Semantic clustering berbasis GPU untuk menemukan tema penelitian dari jutaan unit makna.
Human Validation
Research Validation
Peneliti melakukan validasi, penggabungan, pemisahan dan interpretasi tema sebelum proses pelaporan.
Qwen AI
Theme Naming
Large Language Model yang membantu menghasilkan nama tema yang lebih informatif dan mudah dipahami.