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

Visualisasi Box Plot (Box and Whisker Plot) dengan R

Box Plot dengan R

Box plot atau plot kotak, istilah lain juga menyebutnya sebagai diagram Box dan Whisker merupakan salah satu bentuk visualisasi data untuk memperlihatkan sebarannya, apakah cenderung normal, menceng kanan atau menceng kiri (skewness). Diagram ini biasanya selain digunakan untuk melihat sebaran data juga untuk mendeteksi secara visual ada tidaknya pencilan di dalam data atau biasa kita sebut sebagai outlier.

Box plot sendiri dalam konfigurasi visualnya terdiri atas beberapa bagian, yaitu bagian nilai minimum sebagai batas bawah dan nilai maksimum sebagai batas atas sebaran data, kemudian ada pula kuartil bawah atau kuartil 1, median data atau kuartil 2 (kuartil tengah, desil 5, atau persentil 50), dan kuartil atas atau kuartil 3. Kuartil 1 dan 3 adalah garis batas bawah dan atas kotak (box) diagram tersebut dan garis tengahnya merupakan median data. Supaya lebih mudah, ada baiknya kita berikan visualnya terlebih dahulu sebagaimana keterangan tersebut.

Bagian-bagian box plot

Bagaimana lantas pengaplikasiannya di R? Setidaknya ada 2 cara yang akan kita pelajari bersama dalam unggahan kali ini. Cara pertama adalah dengan menggunakan fungsi boxplot() yang tertanam di R secara standar, dan kedua adalah dengan memanfaatkan package ggplot2 yang merupakan versi terbaru dari package ggplot yang kita awali dengan instal dan aktifkan terlebih dahulu package tersebut. Setelah itu, data yang kita pakai adalah data kualitas udara yang dapat kita aktifkan dengan fungsi data("airquality") kemudian kita cek sekilas datanya dengan fungsi head(). Secara lebih lengkap, yuk kita praktikkan segera dengan beberapa code berikut:

Code:

data("airquality")

#Menampilkan 6 baris data teratas
head(airquality)

#Mengattach data agar lebih praktis
#attach bermanfaat agar kita dapat menggunakan nama variabel dalam datanya langsung tanpa perlu tanda ($)
attach(airquality)

Hasil:

  Ozone Solar.R Wind Temp Month Day
1    41     190  7.4   67     5   1
2    36     118  8.0   72     5   2
3    12     149 12.6   74     5   3
4    18     313 11.5   62     5   4
5    NA      NA 14.3   56     5   5
6    28      NA 14.9   66     5   6

Code:

#Box Plot Tunggal
#membuat Boxplot untuk variabel Ozon
boxplot(Ozone, main = "Box Plot Variabel Ozone", ylab = "Sebaran Data Variabel Ozon")

Hasil:

Visualisasi 1

Code:

#membuat Boxplotnya berwarna
boxplot(Ozone, main = "Box Plot Variabel Ozone",
        col = "blue", ylab = "Sebaran Data Variabel Ozon")

Hasil:

Visualisasi 2

Code:

#Box Plot Majemuk (Banyak Variabel) berdasarkan Variabel tertentu
#Misal Sebaran Temperature menurut Bulan
boxplot(Temp~Month, main = "Sebaran Temperatur Menurut Bulan", xlab = "Bulan", ylab = "Temperatur")

Hasil:

Visualisasi 3

Code:

#Boxplot Majemuk dengan Border
boxplot(Temp~Month, main = "Sebaran Temperatur Menurut Bulan", xlab = "Bulan", ylab = "Temperatur (Derajat F)"
        , col = "steelblue", border = "red") #Border ini adalah border boxplotnya

Hasil:

Visualisasi 4

Code:

#Box Plot dengan library ggplot2
library(ggplot2)

#Box Plot Tunggal
#Data harus disebutkan, meskipun sudah diattach kalau pakai ggplot2
ggplot(aes(y=Ozone), data = airquality) + geom_boxplot()

Hasil:

Visualisasi 5

Code:

#Box Plot Majemuk Sebaran Temperatur Menurut Bulan
ggplot(aes(x = as.character(Month), y = Temp), data = airquality) + geom_boxplot() #Warna putih

Hasil:

Visualisasi 6

Code:

#Memberi Identitas absis dan ordinatnya dan warna steelblue
ggplot(aes(x = as.character(Month), y = Temp), data = airquality) +
  geom_boxplot(fill = "steelblue") + labs(title = "Sebaran Temperatur Menurut Bulan",
                                          x = "Bulan", y = "Derajat (F)") #Warna steelblue dengan identitas judul

Hasil:

Visualisasi 7
Oke, demikian sedikit ulasan bagaimana kita memvisualisasikan box plot dengan R. 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