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 Topik Trending Twitter dengan Gephi (Social Network Analysis using Gephi)

Visualisasi data dengan Gaphi 0.9.2

Halo teman-teman, bertemu lagi dengan blog sederhana ini. Beberapa kali kesempatan kita telah belajar bersama bagaimana melakukan visualisasi dan data mining menggunakan R. Kali ini, kita akan coba mengaplikasikan visualisasi data dengan hasil yang mungkin berbeda dengan menggunakan paket program Gephi. Aplikasi Gephi yang akan kita gunakan adalah versi 0.9.2 ya teman-teman, bagi yang belum memiliki aplikasi ini, bisa unduh secara gratis melalui mesin pencarian google atau lainnya.

Aplikasi Gephi ini biasanya digunakan untuk memvisualkan jejaring atau network atau yang biasa dikenal dengan Social Network Analysis (SNA). SNA merupakan alat analisis jejaring sosial seiring dengan perkembangan teknologi berinteraksi melalui media sosial. Sebenarnya, kita juga bisa menggunakan aplikasi R, Python, namun, kalau menurut saya sendiri, tampilan Gephi ini lebih menarik bahkan bisa dikatakan mirip hasil visualisasi Drone Emprit.

Kita akan sejenak menyentuh teoritis dari SNA. SNA merupakan alat analisis yang digunakan untuk memetakan pola jaringan interaksi manusia baik terjadi melalui media-media offline maupun online. Di dalam SNA, kita akan memperoleh gambaran bagaimana tingkat penyebaran sebuah informasi, data, atau fenomena yang terjadi di masyarakat. Tidak hanya itu, dengan SNA menggunakan Gephi ini kita juga akan mampu melihat aktor utama dalam penyebaran informasi, data, atau fenomena di media sosial yang kemudian dikenal dengan istilah bottleneck melalui ukuran betweeness centrality. Ukuran lain yang tidak kalah penting dalam SNA adalah follower rank yang merupakan ukuran popularitas sebuah node, aktor, atau pengguna media interaksi di dalam sebuah jaringan (Network) pada topik-topik tertentu yang diamati. Dan masih banyak lagi ukuran-ukuran SNA yang mampu kita peroleh menggunakan Gephi ini. Ini sekilas pengantar.

Berikutnya, kita akan mencoba belajar bagaimana implementasi penggunaan Gephi dalam SNA. Kita akan mengangkat sebuah topik yang hari ini (09/06/2022) trending di media sosial Twitter, yaitu istilah Esemka. Istilah ini merujuk pada sebuah merek mobil buatan siswa SMK yang kemudian direncanakan untuk diproduksi secara massal oleh pemerintah.

Istilah Esemka sedang trending topic di Twitter

Awal trending dari istilah Esemka ini bermula dari Tweet Presiden Joko Widodo terkait kendaraan transportasi peserta G20 yang akan diselenggarakan di Bali akhir tahun 2022. Dalam Tweet tersebut, presiden Jokowi menyatakan bahwa mobil yang akan digunakan oleh peserta G20 adalah mobil listrik merek Hyundai. Tweet tersebut secara langsung direspon secara beragam oleh netizen dan menuai pro dan kontra. Oleh karena ketrendingan topik itulah, kita akan mencoba melakukan visualisasi dari hasil crawling data Twitter menggunakan kata kunci (keyword) Esemka.

Membuat Credential untuk melakukan crawling data Twitter

Pertama-tama, kita perlu menentukan kredensial untuk melakukan autentifikasi akun devloper Twitter kita yang telah kita daftarkan sebelumnya. Yang perlu diisi adalah Consumer Key (API Key), Consumer Secret (API Secret), Access Token, dan Access Token Secret. Setelah itu, klik OK dan proses crawling data Twitter akan berjalan secara otomatis dengan hasil sebagai berikut:

Mendapatkan node dan edges Tweets

Berdasarkan hasil crawling data tersebut. kita dapatkan nodes atau aktor Tweet sebanyak 579 nodes dan jalur penghubung atau aktivitas jaringan (edges) sebanyak 852.

Menganalisis content jaringan

Setelah kita selesai crawling, kita dapat menghitung dan mendapatkan ukuran-ukuran statistik SNA, misalnya Average Degree, Network Diameter untuk melihat ukuran keeratan jaringan, Graph Density, Modularity, PageRank, Eigen Vector Centrality dan lainnya.

Mengatur ukuran node, warnanya, serta pewarnaan edges jaringan

Setelah ukuran-ukuran statistik SNA kita dapatkan, berikutnya kita dapat memulai melakukan visualisasi SNA dengan Gephi. Kita dapat mengatur ukuran nodes, ukuran font, termasuk mengatur ukuran warna dari font, nodes, dan edges berdasarkan ukuran-ukuran statistik yang kita dapatkan sebelumnya.

Visualisasi berdasarkan ukuran Degree Centrality

Ilustrasi di atas merupakan visual dari SNA berdasarkan ukuran degree centrality. Degree centrality menunjukkan jumlah koneksi dari sebuah node berdasarkan jumlah edge atau hubungan interaksi antara sebuah node dengan node yang lain. Semakin besar nilai atau ukurannya, maka sebuah node memiliki pengaruh besar karena mempunyai banyak koneksi dalam jaringan. Berdasarkan visualisasi di atas, aktor yang memiliki degree centrality tertinggi adalah akun @jokowi, @AryTGunadi, dan media @geloraco.

Visualisasi berdasarkan ukuran Eigen Vector Centrality

Berikutnya adalah visualisasi SNA berdasarkan eigenvector centrality. Ukuran ini merupakan ukuran penimbang atau pembobot dari degree centrality. Ukuran ini merupakan pembobot yang rekursif, artinya ia akan bernilai tinggi seiring dengan meningkatnya degree centrality sebuah node atau aktor (akun). Dari gambar terlihat bahwa akun @jokowi, @Nicho_Silalahi, dan media @cnnindonesia merupakan salah satu aktor dengan eigenvector centrality yang tinggi.

Visualisasi berdasarkan ukuran Authority Centrality

Visualisasi terakhir dalam unggahan kali ini adalah jejaring nodes berdasarkan ukuran authority centrality. Ukuran ini pada dasarnya merupakan ukuran turunan eignevector centrality. Perbedaannya, kalau eigenvector centrality menggunakan probability afinity. Dari visualisasi, terlihat bahwa aktor yang paling berpengaruh di dalam penyebaran Tweets dengan topik Esemka adalah @jokowi dan @sandalista1789 di mana aktor @sandalista1789 ini merupakan aktor kontra terhadap Tweet @jokowi.

Demikian sedikit pembahasan mengenai visualisasi menggunakan Gephi 0.9.2. Nantikan unggahan berikutnya. Selamat mencoba dan mempraktikkan!

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