Program Sentiment Analysis Twitter Pornografi

SentimenAnalisis adalah jenis natural language yaitu pengolahan kata untuk melacak mood masyarakat tentang produk atau topik tertentu.Analisis sentimen, disebut opinion mining. Definisi Sentiment Analysis (G.Vinodhini, M.Chandrasekaran 2012).

Analisis sentimen yang kelompok kami buat merupakan proses klasifikasi dokumen tekstual ke dalam dua kelas, yaitu kelas sentimen positif dan negative. Topik yang diambil yaitu mengenai pornografi. Sumber yang dipilih untuk mendapatkan data tersebut dari social media yaitu Twitter. Twitter merupakan salah satu sosial media yang banyak digunakan oleh masyarakat luas untuk memposting tweet mengenai berbagai macam hal. Tidak jarang kita menemukan akun-akun yang memposting hal-hal yang tidak seharusnya disebar luasnya seperti pornografi.

Pengerjaan program menggunakan bahasa R. Bahasa R (juga dikenal sebagai GNU S) adalah bahasa pemrograman dan perangkat lunak untuk analisis statistika dan grafik. R dibuat oleh Ross Ihaka dan Robert Gentleman di Universitas Auckland, Selandia Baru, dan kini dikembangkan oleh R Development Core Team, di mana Chambers merupakan anggotanya. R dinamakan sebagian setelah nama dua pembuatnya (Robert Gentleman dan Ross Ihaka), dan sebagian sebagian dari permainan nama dari S. (Wikipedia)

Berikut langkah-langkah yang dilakukan untuk menganalisis sentiment tentang pornografi pada twitter:

I.      Mendapatkan API Twitter

a.     Login ke akun twitter terlebih dahulu

b.     Masuk ke website https://dev.twitter.com/

c.     Klik My apps

d.     Klik Create New App

e.     Membuat application isi nama, deskripsi, website, dan callback URL. Pada name isi nama aplikasi, pada description isi bebas, dan website isi url website jika tidak memiliki website isi dengan website bebas tetapi valid. Untuk Callback URL kosongkan. Kemudian klik “Yes, I agree”.

f.      Selanjutnya, pilih Keys and Access Tokens untuk mendapatkan akses API Twitter. Setelah itu kita medapatkan kode yang akan digunakan diantaranya Cosumer Key (API Key), Cosumer Secret ( API Secret ), Access Token dan Access Token Secret.

II   Program Sentiment Analysis dengan Bahasa R

1.     Buka R lalu install package diantaranya twitteR, plyr, dan stringr

install.packages("twitteR") install.packages("plyr") install.packages("stringr")

2.     Menambahkan library-library yang dibutuhkan, dengan cara menggunakan perintah library(‘nama library’).

(twitterR)à package yang menyediakan ases ke API Twitter sehingga kita dapat melakukan crawling data di Twitter menggunakan R.

(plyr)à package untuk melakukan split data.

(stringr)à package ini berguna untuk membersihkan dan mempersiapkan data dan menangani masalah string yang umum sehingga menghasilkan string yang lebih bersih. Perintah yang digunakan seperti pada gambar berikut :

library(twitteR) library(plyr) library(stringr)

3.     Mengisi dan mendeklarasikan api_key, api_secret, access_token, dan access_token_secret yang nilainya diambil dari apps twitter yang sudah dibuat sebelumnya di atas, kemudian variable-variabel tersebut digunakan untuk men-setup oauth pada twitter, seperti pada gambar di bawah ini:

api_key <- "" api_secret <- "" api_token <- "" api_token_secret <- "" setup_twitter_oauth(api_key, api_secret, api_token, api_token_secret)

4.     Fungsi scan() berfungsi untuk memindahkan semua kata yang berada di dalam file.txt. File.txt dibagi menjadi 2 yaitu positif dan negative.

pos = scan('D:/KULIAH/SEMESTER 8/DeepLearning/positive.txt', what='character', comment.char=':') neg = scan('D:/KULIAH/SEMESTER 8/DeepLearning/negative.txt', what='character', comment.char=':')

5.     Kemudian menggunakan suatu algoritma dari Jeffrey Brean analyzing. Score.sentiment merupakan fungsi yang memiliki parameter tweets, pos.words, dan neg.words. Kemudian memanggil library plyr untuk menghandle list, stringr. scores = laply (tweets, menjalankan function yang dideklarasikan di atas).

score.sentiment = function(tweets, pos.words, neg.words) {   require(plyr)   require(stringr)   scores = laply(tweets, function(tweet, pos.words, neg.words) {

6.     Mengubah huruf menjadi huruf kecil agar lebih mudah dalam pencariannya dengan perintah :

tweet = tolower(tweet)

Memecahkan kata menjadi perkata dan dimasukkan ke dalam list dengan perintah :

word.list = str_split(tweet, '\\s+')

Mengubah list ke dalam vektor

words = unlist(word.list)

7.     Selanjutnya, membandingan kata-kata yang didapat kedalam bentuk negatif dan positif

pos.matches = match(words, pos.words)     neg.matches = match(words, neg.words)

8.     Mengubah kata yang yang cocok dalam bentuk True dan False

pos.matches = !is.na(pos.matches)   neg.matches = !is.na(neg.matches)

Nilai dari true/false dianggap 1/0 sehingga dapat ditambahkan dengan fungsi sum()

score = sum(pos.matches) - sum(neg.matches)

9.     Melakukan perulangan score, kemudian menganalisis kata positif dan negatif.

return(score)  }, pos.words, neg.words) scores.df = data.frame(score=scores, text=tweets)  return(scores.df) }

10.  Melakukan pencarian sebanyak 1000 tweet dengan menggunakan bahasa indonesia yang mengandung kata “bokep” kemudian hasil yang didapat akan dianalisis apakah merupakan sentimen positif atau negative,

tweets = searchTwitter("bokep",n=1000, lang="id") Tweets.text = laply(tweets,function(t)t$getText()) analysis = score.sentiment(Tweets.text, pos, neg)

11.  Mengitung banyaknya frekuensi nilai sentimen dengan menggunakan fungsi count(). Kemudian hasil tersebut dianalisis dan ditulis pada file.csv dengan nama Pornografi.csv.

count(analysis$score)

Hasil yang didapat yaitu nilai sentimen dari -4 sampai 3 dengan jumlah terbanyak terdapat pada nilai -1,0,dan 1 dengan menghasilkan tweet negatif sebanyak 248, netral 488 dan untuk tweet positif sebanyak  215. Sehingga dapat diambil kesimpulan bahwa tweet yang netral lebih banyak dari pada tweet negatif maupun positif. Dan rentan antara tweet positif dan negatif tidak terlalu jauh tetapi tweet negatif lebih banyak.

12.  Membuat data dalam bentuk Histogram dengan menggunakan fungsi

hist(analysis$score).

Sehingga didapatkan hasil histogram seperti di bawah ini:

13.  Memindahkan data tersebut ke dalam bentuk csv dengan menyimpan ke file yang diberi nama Pornografi.csv ditulis dengan perintah berikut:

write.csv(analysis, "Pornografi.csv")

Hasil yang terdapat pada Pornografi.csv

14.  File positive.txt dan negative.txt

      Nama Kelompok:

1.     Ade Rizky Putri                      50414195

2.     Mona Sarito Siagian                56414830

3.     Rania Dwi Cahyani                 58414924

4.     Ridwan Teharudin                   59414324

Read More