Sentiment Analysis adalah pengolahan kata untuk melacak mood masyarakat tentang produk atau topik tertentu. Analisis Sentimen disebut opinion mining (G.Vinodhini, M. Chandrasekaran 2012). pada pengertian lain Sentimen analisis adalah riset komputasional dari opini sentiment dan emosi yang diekspresikan secara tekstual.
metode klasifikasi naïve bayes. Naïve
bayes merupakan metode pembelajaran mesin
yang memiliki model
dalam membentuk probalilitas dan peluang.
Maka dari itu, naïve bayes akan
menghitung probabilitas kemunculan kata
yang mempresentasikan komentar
berdasarkan kelas positif maupun
negatif. Berdasarkan hasil
klasifikasi
dilakukan pengujian untuk
mendapatkan nilai akurasi dari
hasil prediksi analisis
sentimen dengan metode naïve bayes
.
Studi Kasus
pada pemrograman untuk mencari berapa banyak kalimat yang tertulis pada komentar yang terdapat pada postingan di halman faceboook, dengan mengungganakan pemrograman python.
Setelah menginstall Ptyhonya, buka CMD lalu install wordcloud yang digunakan untuk menampilkan hasil kata-kata sentiment analysis dengan menekankan pada kata-kata mana yang sering banyak digunakan. ketikan
"pip install wordcloud"
Setelah python siap, tahap selanjutnya adalah mempersiapkan Facebook APInya. Pertama melakukan registrasi pada website facebook for developer kemudian buat project baru dan login dengan akun facebook pribadi. Gunakan fitur API graf untuk dapat mengekses informasi-informasi yang terdapat pada Facebook.
kemudian tekan tombol Graft API exproler. kami memilih project yang telah dibuat tadi agar saya dapat mendapatkan informasi peribadi terkait aku saya kita diperlukan. namun jika tidak kita dapat pula menggunakan grap API explorer. seperti gambar diatas
kemudian tekan tombol dapatkan token untuk mendapatkan code token yang kita butuhkan untuk menghubungkan program dengan Facebook API. kemudian pilih jenis informasi apa yang dapat diakses.
Kemudian tekan tombol dapatkan token akses. maka kita akan mendapatkan tokennya. token akses tersebut hanya berlaku selama 2 jam saja. setelah dua jam kita harus meminta token baru.
langkah selanjutnya masukan kodingan pada python
kodingan yang di pakain sebagai berikut :
Selanjutnya buat variabel yang akan menyimpan nilai graf version, token , id user dan id postingan dari user tersebut.
Kemudian masukan kodingan berikut ini untuk melakukan proses pengambilan data dari graft API tersebut.
Setelah lihat bahwa data yang diambil adalah bagian komentar dari postinga tersebut. nantinya setiap komentar tersebut akan tersimpan pada variabel comments yang bertipe array. data yang disimpan pada variabel tersebut akan di save kedalam sebuah file yang bertipe txt. berikut adalah source code yang digunakan:
Selanjutnya file comments.txt yang telah dibuat tadi akan di buka dan dilakukan generate oleh wordcloud untuk ditampilkan. word cloud akan menampilkan kata - kata yang sering di gunakan dengan ukuran besar dan warna yang berbeda beda. berikut adalah source code untuk mengambil data dan melakukan generate wordcloud.
Terlihat kami menampilkan hasil generate wordcloud dengan dua cara pertama tanpa mengatur ukuran text yang akan di generate yang kedua dengan mengaturnya. setelah script dibuat maka save dengan nama yang diinginkan. kami memberikan nama scraping.py. Untuk menjalankan script tersebut buka cmd dimana file tersebut berapa kemudian ketikan
"py scraping.py"
berikut proses saat running berlangsung
maka akan muncul wordcloud dengan kalimat paling besar adalah kalimat yang sering di tulis pada kolom komentar pada postingan tersebut, sebagai berikut :