Sentiment Analysis pada Twitter dengan R
Kali ini saya akan menjelaskan sedikit tentang Sentiment Analysis yang dilakukan pada aplikasi twitter dengan menggunakan bahasa R.Pertama-tama download software R yang akan kita gunakan. Agar lebih ringan saya merekomendasikan aplikasi CRAN R-Project daripada Rstudio.
Setelah di download install package yang diperlukan untuk melakukan sentiment analysis. Buka CRAN R-Project lalu ketikkan seperti kode dibawah :
install.packages('twitteR')
install.packages('RCurl')
install.packages('wordcloud')
install.packages('corpus')
install.packages('tm')
Setelah terinstal, aktifkan semua package/modul tersebut dengan cara seperti dibawah :\
require(twitteR)
require(wordcloud)
require(corpus)
require(tm)
require(RCurl)
Untuk dapat melalukan mining pada twitter maka kita membutuhkan sebuah token dan api twitternya dengan merequest pada https://apps.twitter.com/ lalu kita akan mengambil beberapa kode diantaranya consumer Key(API), consumer secret(API Secret), Access Token dan Access Token Secret. Jangan lupa untuk login menggunakan akun twitter yang kita punya.
Setelah login lalu pilih create new app. Lalu isikan appnamenya, deskripsinya dan masukkan juga website kalian dan setelah itu jangan lupa di ceklis pada bagian developer agreementnya.
Setelah kalian isi, kalian akan mendapatkan kode-kode yang dibutuhkan tadi seperti gambar dibawah
Lalu setelah itu, kembali masuk ke CRAN RProject, lalu ketikkan kode berikut :
consumer_key <- 'isi dengan Consumer Key'
consumer_secret <- 'isi dengan Consumer Secret'access_token <- 'isi dengan Access Token'
access_secret <- 'isi dengan Access Secret'
setup_twitter_oauth(consumer_key, consumer_secret, access_token, access_secret)
Ketikkan seperti diatas setelah itu jalankan kodenya, fungsi diatas adalah membuat variabel untuk menyimpan kode-kode tadi yang akan digunakan sebagai autentikasi twitter agar R kita dapat mengakses twitter kita.
Setelah itu, buatlah variabel baru lagi untuk memanggil fungsi search twitter seperti dibawah :
miningtweets <- searchTwitter('anak+tolol', lang="id", n=500,resultType="recent")
Search pada Twitter akan mencari keyword 'anak tolol' dalam bahasa Indonesia sebanyak 500 tweets dan kondisi yang baru saja terjadi.
Setelah itu akan muncul warning seperti gambar dibawah
Warning message:
In doRppAPICall("search/tweets", n, params = params, retryOnRateLimit = retryOnRateLimit, :
500 tweets were requested but the API can only return 144
Jika seperti ini maka mining data berhasil dan data sudah didapatkan oleh R. Setelah itu masukkan kode seperti dibawah :
bully_corpus <- Corpus(VectorSource(miningtweets_text))
inspect(bully_corpus)
Setelah data dikumpulkan maka akan keluar output seperti gambar dibawah :
Jika sudah maka kita tinggal memberikan filter pada hasil searching tersebut dengan kode dibawah :
kasar_clear<-tm_map(bully_corpus, removePunctuation)
kasar_clear<-tm_map(kasar_clear, removeNumbers)
kasar_clear<-tm_map(kasar_clear, stripWhitespace)
kasar_clear<-tm_map(kasar_clear, removeWords,c("anak"))
Baris pertama untuk menghilankan tanda baca
Baris kedua untuk mengilangkan angka
Baris ketiga untuk menghilangkan spasi
Baris keempat untuk menghilangkan kata 'anak'
Lalu kita akan menampilkan hasilnya dengan menggunakan kode dibawah :
wordcloud(kasar_clear, random.order=F, col=rainbow(50))
Kode tersebut digunakan untuk memanggil hasil pencarian tadi dengan kondisi dimana kata yang terbanyak akan ditempakan ditengah dan besar dan akan memberikan warna-warni pada hasilnya.
Berikut adalah hasilnya
Anggota Kelompok :
Andi Muhadir Amin
Bisma Dwiki Ananda Tomy
Henggar Tri W
Lungguh Syam P
4IA10
Sentiment Analysis
Kali ini saya akan menjelaskan sedikit tentang Sentiment Analysis yang dilakukan pada aplikasi twitter dengan menggunakan bahasa R.Pertama-tama download software R yang akan kita gunakan. Agar lebih ringan saya merekomendasikan aplikasi CRAN R-Project daripada Rstudio.
Setelah di download install package yang diperlukan untuk melakukan sentiment analysis. Buka CRAN R-Project lalu ketikkan seperti kode dibawah :
install.packages('twitteR')
install.packages('RCurl')
install.packages('wordcloud')
install.packages('corpus')
install.packages('tm')
Setelah terinstal, aktifkan semua package/modul tersebut dengan cara seperti dibawah :\
require(twitteR)
require(wordcloud)
require(corpus)
require(tm)
require(RCurl)
Untuk dapat melalukan mining pada twitter maka kita membutuhkan sebuah token dan api twitternya dengan merequest pada https://apps.twitter.com/ lalu kita akan mengambil beberapa kode diantaranya consumer Key(API), consumer secret(API Secret), Access Token dan Access Token Secret. Jangan lupa untuk login menggunakan akun twitter yang kita punya.
Setelah login lalu pilih create new app. Lalu isikan appnamenya, deskripsinya dan masukkan juga website kalian dan setelah itu jangan lupa di ceklis pada bagian developer agreementnya.
Setelah kalian isi, kalian akan mendapatkan kode-kode yang dibutuhkan tadi seperti gambar dibawah
Lalu setelah itu, kembali masuk ke CRAN RProject, lalu ketikkan kode berikut :
consumer_key <- 'isi dengan Consumer Key'
consumer_secret <- 'isi dengan Consumer Secret'access_token <- 'isi dengan Access Token'
access_secret <- 'isi dengan Access Secret'
setup_twitter_oauth(consumer_key, consumer_secret, access_token, access_secret)
Ketikkan seperti diatas setelah itu jalankan kodenya, fungsi diatas adalah membuat variabel untuk menyimpan kode-kode tadi yang akan digunakan sebagai autentikasi twitter agar R kita dapat mengakses twitter kita.
Setelah itu, buatlah variabel baru lagi untuk memanggil fungsi search twitter seperti dibawah :
miningtweets <- searchTwitter('anak+tolol', lang="id", n=500,resultType="recent")
Search pada Twitter akan mencari keyword 'anak tolol' dalam bahasa Indonesia sebanyak 500 tweets dan kondisi yang baru saja terjadi.
Setelah itu akan muncul warning seperti gambar dibawah
Warning message:
In doRppAPICall("search/tweets", n, params = params, retryOnRateLimit = retryOnRateLimit, :
500 tweets were requested but the API can only return 144
Jika seperti ini maka mining data berhasil dan data sudah didapatkan oleh R. Setelah itu masukkan kode seperti dibawah :
bully_corpus <- Corpus(VectorSource(miningtweets_text))
inspect(bully_corpus)
Setelah data dikumpulkan maka akan keluar output seperti gambar dibawah :
Jika sudah maka kita tinggal memberikan filter pada hasil searching tersebut dengan kode dibawah :
kasar_clear<-tm_map(bully_corpus, removePunctuation)
kasar_clear<-tm_map(kasar_clear, removeNumbers)
kasar_clear<-tm_map(kasar_clear, stripWhitespace)
kasar_clear<-tm_map(kasar_clear, removeWords,c("anak"))
Baris pertama untuk menghilankan tanda baca
Baris kedua untuk mengilangkan angka
Baris ketiga untuk menghilangkan spasi
Baris keempat untuk menghilangkan kata 'anak'
Lalu kita akan menampilkan hasilnya dengan menggunakan kode dibawah :
wordcloud(kasar_clear, random.order=F, col=rainbow(50))
Kode tersebut digunakan untuk memanggil hasil pencarian tadi dengan kondisi dimana kata yang terbanyak akan ditempakan ditengah dan besar dan akan memberikan warna-warni pada hasilnya.
Berikut adalah hasilnya
Langganan:
Postingan
(
Atom
)
Tidak ada komentar :
Posting Komentar