Update README.md

README.md

@@ -20,7 +20,7 @@ widget:
 
 ## en:
 
-The project of this pretrained_model involves a series of complex steps that begin with leveraging the [IndoBERTweet](https://huggingface.co/indolem/indobertweet-base-uncased) pretrained model. Through a meticulous fine-tuning process, this model has been enhanced by utilizing the optimizer.pt from the aforementioned pretrained model.
+The project of this pretrained_model involves a series of complex steps that begin with leveraging the [IndoBERTweet](https://huggingface.co/indolem/indobertweet-base-uncased) pretrained model.
 
 The primary objective behind the development of this model is to address the bias frequently encountered in product reviews on e-commerce platforms. One of the classic issues on such platforms is the disconnect between the language used in reviews and the ratings given by users. This model was conceived with a focus on mitigating this problem.
 
@@ -54,12 +54,12 @@ The final output of this model, although holding substantial potential to enhanc
 
 ## id:
 
-Proyek pretrained_model ini melibatkan serangkaian langkah kompleks yang dimulai dengan pemanfaatan pretrained model [IndoBERTweet](https://huggingface.co/indolem/indobertweet-base-uncased). Melalui proses fine-tuning yang cermat, model ini berhasil disempurnakan dengan memanfaatkan optimizer.pt yang ada dalam pretrained model tersebut.
+Proyek pembuatan pretrained_model ini melibatkan serangkaian langkah kompleks yang dimulai dengan pemanfaatan pretrained model [IndoBERTweet](https://huggingface.co/indolem/indobertweet-base-uncased).
 
 Tujuan utama di balik pengembangan model ini adalah mengatasi bias yang sering muncul dalam ulasan produk di platform e-commerce. Salah satu masalah klasik di platform semacam ini adalah ketidaksesuaian antara kata-kata dalam ulasan dan peringkat yang diberikan oleh pengguna. Model ini diciptakan dengan fokus pada penyelesaian masalah ini.
 
-Namun, dalam perjalanan pengembangannya, terdapat sejumlah keterbatasan yang perlu diperhatikan. Pertama, model ini hanya diberdayakan oleh ulasan produk kecantikan wanita, sehingga kemampuannya untuk umum mungkin terbatas pada kategori tertentu. Selain itu dataset yang digunakan dalam pelatihan model ini dihasilkan melalui teknik scraping. Meskipun teknik ini efisien, namun juga berisiko terkena potensi bias.
+Namun, dalam perjalanan pengembangannya, terdapat sejumlah keterbatasan yang perlu diperhatikan. Pertama, model ini hanya di finetune pada ulasan produk kecantikan wanita, sehingga kemampuannya hanya terbatas pada kategori ini. Selain itu dataset yang digunakan dalam pelatihan model ini dihasilkan melalui teknik scraping. Meskipun teknik ini efisien, namun juga memiliki potensi bias rating yang besar.
 
-Hasil akhir dari model ini, meskipun memiliki potensi besar untuk meningkatkan kualitas ulasan di platform e-commerce, masih perlu ditinjau secara kritis. Evaluasi mendalam diperlukan untuk memahami sejauh mana model ini berhasil mengatasi masalah bias dalam ulasan produk. Pemahaman tentang batasan dan potensi dampak dari dataset scraping juga penting dalam mengartikan keluaran dari model ini.
+Hasil akhir dari model ini, meskipun memiliki potensi besar untuk meningkatkan kualitas ulasan di platform e-commerce masih perlu ditinjau secara kritis. Evaluasi mendalam diperlukan untuk memahami sejauh mana model ini berhasil mengatasi masalah bias dalam ulasan produk. Pemahaman tentang batasan dan potensi dampak dari dataset scraping juga penting dalam mengartikan keluaran dari model ini.
 
 > Proyek ini ditujukan untuk pencapaian akademis dan dilakukan sebagai persyaratan untuk meraih gelar sarjana dalam Program Studi Sistem Informasi Fakultas Ilmu Komputer di Universitas Amikom Purwokerto.