Langsung ke konten utama

Natural Language Processing (NLP) Penerapan Stopwords Bahasa Indonesia dengan R: Topik Sepinya Jalur Pantura Akibat Adanya Tol Trans Jawa

Natural Language Processing : Stopwords Bahasa Indonesia dengan R Halo teman-teman, berjumpa lagi dengan blog sederhana ini. Pada pembahasan sebelumnya, kita telah bersama belajar penerapan stemming teks yang merupakan bagian dari Natural Language Processing (NLP) menggunakan R. Pada perjumpaan kali ini, kita akan melanjutkan perjuangan kita berbagi ilmu mengenai NLP, tepatnya adalah penerapan stopwords Bahasa Indonesia dengan R. Perlu diketahui bahwa di dalam NLP, untuk menambah keluasan dan mempertajam analisis teks, proses stemming teks saja belum cukup. Kita juga perlu membersihkan teks yang relatif atau mutlak tidak bermakna di dalam analisis teks. Biasanya teks yang dieliminasi dalam NLP merupakan kata penghubunga atau konjungsi, atau kata yang berupa ekspresi yang bercampur di dalam data teks, misalkan ekspresi tertawa "wkwk", ekspresi penolakan "gak, nggak, tidak, atau gk", bahasa asing (selain Indonesia), atau juga kata-kata yang tidak memenuhi kaidah ta

Fungsi strsplit() di R

Fungsi strsplit di R

Teman-teman pasti pernah menghadapi permasalah data teks dan perlu untuk memisah per kata atau suku kata. Hal serupa juga akan kita temui di R, di mana kita akan dihadapkan pada persoalan data teks yang sangat acak bahkan tidak tertata secara rapih. Antar suku kata atau kata dengan angka tergabung menjadi satu tidak beraturan.

Fungsi strsplit() merupakan salah satu fungsi standar di dalam R yang bisa kita manfaatkan untuk memecah sebuah kalimat atau teks atau campuran menjadi kata per kata, atau bahkan huruf per huruf. Kalau di excel mirip dengan fungsi Text to Columns dengan delimited tertentu (misalkan space atau spasi) seperti tampilan berikut:

Split data di excel dengan fungsi Text to Columns

Fungsi strsplit() di R dengan cepat menghasilkan output berupa teks atau karakter yang terpecah berdasarkan delimited tertentu sesuai kebutuhan. Adapun tipe output dari fungsi ini berupa data list dengan tahapan praktik dengan code berikut:

Code:

#Split atau memecah sebuah kalimat dengan pemisah spasi " "
split_spasi <- strsplit("Halo Nama Channel Youtube Saya Sains Data", split=" ")

#Melihat hasilnya
split_spasi

Hasil:

[[1]]
[1] "Halo"    "Nama"    "Channel" "Youtube" "Saya"    "Sains"   "Data"

Code:

#Split atau memecah sebuah kalimat menjadi kata per kata dengan split titik (.)
split_enter <- strsplit("Jangan lupa terus menyimak postingan terbau jokoding.blogspot.com", split = "[.]")

#melihat hasilnya
split_enter

Hasil:

[[1]]
[1] "Jangan lupa terus menyimak postingan terbau jokoding"
[2] "blogspot"                                            
[3] "com"

Code:

#Split atau memecah sebuah kalimat menjadi kata per kata dengan split karakter |
split_karakter <- strsplit("Jangan|lupa|terus|menyimak|postingan|terbaru|jokoding|blogspot|com", split = "[|]")

#melihat hasilnya
split_karakter

Hasil:

[[1]]
[1] "Jangan"    "lupa"      "terus"     "menyimak"  "postingan" "terbaru"   "jokoding"  "blogspot"  "com"

Code:

#Split atau memecah sebuah kalimat menjadi kata per kata dengan split per huruf
split_huruf <- strsplit("Jangan lupa terus menyimak postingan terbaru|jokoding blogspot com", split = "")

#melihat hasilnya
split_huruf

Hasil:

[[1]]
 [1] "J" "a" "n" "g" "a" "n" "|" "l" "u" "p" "a" "|" "t" "e" "r" "u" "s" "|" "m" "e" "n" "y" "i" "m" "a" "k" "|"
[28] "p" "o" "s" "t" "i" "n" "g" "a" "n" "|" "t" "e" "r" "b" "a" "r" "u" "|" "j" "o" "k" "o" "d" "i" "n" "g" "|"
[55] "b" "l" "o" "g" "s" "p" "o" "t" "|" "c" "o" "m"

Oke, demikian sedikit ulasan bagaimana kita memecah kalimat atak data teks dengan menggunakan fungsi strsplit() di R yang mirip fungsi dengan excel. Jangan lupa untuk share, tanya-tanya di kolom komentar, dan menyimak unggahan berikutnya. Semoga bermanfaat.

Komentar

Postingan populer dari blog ini

Pemodelan Autoregressive Integrated Moving Average (ARIMA Model) dengan R

ARIMA dengan R Jumpa lagi teman-teman, sebelumnya saya mohon maaf karena kemarin tidak sempat membuat unggahan terbaru di blog ini. Baik, sebelumnya kita telah mengulas tentang pemodelan Geographically Weigthed Regression (GWR) dengan R. Kali ini, kita akan melanjutkan belajar bersama mengenai pemodelan yang tak asing lagi dan populer hingga kini, yaitu pemodelan Autoregressive Integrated Moving Average (ARIMA). Kita akan membahas ARIMA secara langsung tanpa membahas AR dan MA secara tersendiri mengingat pada dasarnya ARIMA adalah model perpaduan antara model AR dengan order p , MA dengan order q dan aspek differencing dengan order d . Artinya, ketika kita mendengar istilah AR(1), maka sebenarnya itu adalah ARIMA(1, 0, 0), ketika kita mendengar ARI(1,1), maka aslinya itu ARIMA(1, 1, 0), atau bila mendengar MA(3), itu sebenarnya ARIMA(0, 0, 3) atau IMA(2,1) sebenarnya adalah ARIMA(0, 2, 1). Data runtun waktu atau time series merupakan salah satu jenis data yang hingga kini banyak digun

Machine Learning: Memahami Reinforcement Learning

Reinforcement Learning Halo teman-teman, pada pembahasan sebelumnya, kita telah berusaha memahami mengenai supervised learning dan unsupervised learning . Sebelum lanjut ke pemodelan statistik selanjutnya, ada baiknya kita membahas tentang satu lagi jenis algoritma machine learning yang akhir-akhir ini banyak digunakan dalam membentuk artificial intelligence (AI), yaitu algoritma reinforcement learning . Kita ke pengertian berdasarkan studi literatur daring ( online ) dulu teman-teman. Saya coba mengambil salah satu pengertian reinforcement learning, misalkan dari situsnya Algoritma, menyatakan bahwa reinforcement learning merupakan algoritma yang diterapkan untuk pembelajaran mesin ( machine learning ) sedemikian rupa sehingga dapat menentukan aksi yang tepat dan pada akhirnya sebuah program dapat bekerja secara otomatis memberikan hasil atau putusan yang benar. Lebih lanjut dalam situs algoritma mengangkat sebuah perumpamaan reinforcement learning dengan menggunakan proses penugasan

Machine Learning: Perbedaan Supervised Learning dan Unsupervised Learning

Perbedaan supervised learning dan unsupervised learning Halo teman-teman, kemarin kita telah mengawali bahasan mengenai salah satu anggota dari Machine Learning sekaligus merupakan contoh dari algoritma supervised learning , yaitu Naive Bayes Classifier (NBC). Akhir-akhir ini, dunia sains data dihebohkan dengan berbagai istilah statistik yang berkaitan erat dengan komputasi atau komputasi statistik, yaitu supervised learning dan unsupervised learning . Sebenarnya ada lagi istilah baru dan cukup makin sulit menyederhanakan definisinya, yaitu reinforcement learning , tapi khusus reinforcement learning nanti akan kita bahas tersendiri karena kita mulai bersinggungan dengan Artificial Intelligence atau kecerdasan buatan. Jujur, saya mengakui bahwa tidak semua dari kita memiliki latar belakang apalagi pakar teknologi informasi (IT). Sehingga, bila kita cermati bahasan-bahasan atau istilah komputasi statistik, sains data, atau data engineering , kita mungkin akan sejenak loading , bahkan s