Mencoba buat sentiment analysis dengan RStudio

Untuk tugas deep learning kami kelompok 4 yang beranggotakan Erico, Nalom, M. Tomi dan Melta akan mencoba buat program Sentiment Analysis dan yang akan dianalisa adalah komentar SARA di facebook. Caranya:

Pertama kita perlu mempersiapkan beberapa hal:

o   R dan Rstudio

Kita bisa mendownload R dan R studio di https://cran.r-project.org/bin/windows/base/ dan https://www.rstudio.com/products/rstudio/download/

o   Akun facebook developer

Kita dapat membuat akun facebook developer di https://developers.facebook.com/

o   Token Akses dari Penjelajah API Graf

Kita bisa mendapatkan token akses dari API Graph Explorer dengan cara pada  https://developers.facebook.com/ pilih Alat & Dukungan, pilih Penjelajah API Graf kemudian akan muncul tampilan seperti ini

Pilih dapatkan token dan izinnya dipilih semua dan pilih dapatkan token akses

Kemudian kita perlu simpan token akses yang dihasilkan (*Token Akses ini hanya berlaku sampai 2 jam, lebih dari itu perlu membuatnya lagi.)

Kemudian kita jalankan Rstudio dan ketikkan

install.packages("devtools")

install.packages("plyr")

install.packages("stringr")

install.packages("ggplot2")# Install

install.packages("tm")  # for text mining

install.packages("SnowballC") # for text stemming

install.packages("wordcloud") # word-cloud generator

install.packages("RColorBrewer") # color palettes

Perintah ini berguna untuk menginstall packages yang kita butuhkan untuk sentiment analysis nanti.

          Ketikkan

library("tm")

library("SnowballC")

library("wordcloud")

library("RColorBrewer")

library(plyr)

library(stringr)

library(ggplot2)

library(devtools)

Perintah ini berguna memakai package yang tadi sudah didownload.

        Masukkan perintah ini

            install_github("pablobarbera/Rfacebook/Rfacebook")

            library(Rfacebook)

         Perintah ini berguna untuk menginstall package berdasarkan link github dan memakai package tersebut.

Untuk memakai API Facebook kita perlu memasukkan token akses yang tadi sudah kita persiapkan dengan perintah

            fb_auth = 'token akses' 

     Pada twitter kita bisa mengambil post orang dengan bebas, tapi pada facebook sekarang sudah tidak bisa, maka kita perlu mencari halaman pada facebook untuk dilihat postingannya dengan perintah

            fb_page <- getPage(page="TirtoID", token=fb_auth, n = 150,  feed = FALSE,

                   reactions = TRUE,  verbose = TRUE, api = "v2.9")

     Setelah itu kita perlu melihat hasil yang didapatkan dengan perintah

            View(fb_page)              

  
Setelah melihat hasilnya, kita perlu memilih postingan mana yang akan diambil komentarnya dan mengubahnya menjadi dataframe serta melihat hasilnya kembali. Perintahnya

       fb_post <- getPost(post = '1515768312081946_2037957289863043', n=139, token=fb_auth,api = "v2.9")

fb_post_df <- as.data.frame(fb_post[2])

View(fb_post_df)

Setelah itu komen yang kita dapatkan masih belum bersih dari tanda baca, kita perlu membersihkannya dan melihat hasilnya lagi dengan perintah

comments_data <- sapply(fb_post_df$comments.message,function(row) iconv(row, "latin1", "ASCII", sub=""))

comments_data <- gsub("@\\w+", "", comments_data)

comments_data <- gsub("#\\w+", '', comments_data)

comments_data <- gsub("RT\\w+", "", comments_data)

comments_data <- gsub("http.*", "", comments_data)

comments_data <- gsub("RT", "", comments_data)

comments_data <- sub("([.-])|[[:punct:]]", "\\1", comments_data)

comments_data <- sub("(['])|[[:punct:]]", "\\1", comments_data)

View(comments_data)

Kemudian data yang sudah bersih tadi dapat kita analisis dan buat gambar. Caranya kita perlu masukkan data yang sudah bersih tadi ke corpus, periksa isi dokumen tersebut dan mengubah teks dalam data tersebut menjadi huruf kecil, menghapus angka, dan yang lainnya dengan perintah.

         docs <- Corpus(VectorSource(comments_data))

         inspect(docs)

         # Convert the text to lower case

         docs <- tm_map(docs, content_transformer(tolower))

         # Remove numbers

         docs <- tm_map(docs, removeNumbers)

         # Remove english common stopwords

         docs <- tm_map(docs, removeWords, stopwords("english"))

         # Remove your own stop word

         # specify your stopwords as a character vector

         docs <- tm_map(docs, removeWords, c("blabla1", "blabla2"))

         # Remove punctuations

         docs <- tm_map(docs, removePunctuation)

         # Eliminate extra white spaces

         docs <- tm_map(docs, stripWhitespace)
 

     Kemudian kita menganalisa kata-kata yang sering muncul pada data tersebut dengan perintah

        dtm <- TermDocumentMatrix(docs)

        m <- as.matrix(dtm)

        v <- sort(rowSums(m),decreasing=TRUE)

        d <- data.frame(word = names(v),freq=v)

        head(d, 10)

Kita dapat membuat word cloud dari data yang sudah dianalisa tersebut dengan perintah

         set.seed(1234)

         wordcloud(words = d$word, freq = d$freq, min.freq = 1,

         max.words=200, random.order=FALSE, rot.per=0.35,

         colors=brewer.pal(8, "Dark2"))

Wordcloud diatas hanya untuk mengumpulkan kata-kata yang sering digunakan yang mana, belum mengelompokkan apakah kalimat pada kolom komentar yang menggunakan kata-kata diatas tergolong positif atau negatif.