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

Best Tutorial: Web Scraping Situs Kumpulan Quote dengan XPath R

Scraping sebuah situs kumpulan Quote dengan XPath R

Halo teman-teman, jumpa lagi dengan blog sederhana ini. Rasanya cukup lama kita vakum sharing-nya. Baik, kali ini kita akan melanjutkan dengan membahas bagaimana cara melakukan web scraping sebuah website atau blog.

Sebelumnya, kita telah mempraktikkan bagaimana melakukan web scraping dengan memanfaatkan addons dari Chrome, yaitu Selector Gadget. Kali ini, kita coba dengan teknik yang sedikit berbeda, yakni menggunakan XPath dan menjalankannya di R.

Diketahui bahwa untuk memperoleh sebuah code dari node-node yang terkandung di dalam sebuah situs bisa kita ekstrak dengan beberapa cara, salah satunya dengan menggunakan code XPathnya. Target web scraping kita kali ini masih sama, yaitu situs kumpulan kata-kata mutiara dan nasihat atau Quotes to Scrape sebagaimana praktikum web scraping kita sebelumnya. Adapun tujuan dari web scraping kita masih sama, yaitu memperoleh data teks berupa quote dari situs tersebut.

Laman quote to scrape

Langkah pertama yang harus kita lakukan dalam melakukan scraping dengan XPath adalah inspeksi dari laman situs. Caranya dengan klik kanan pada laman situs, karena kita mau ambil quotenya, posisi inspeksi harus tepat bagian teks quote-nya supaya hasilnya langsung tertuju pada script HTML atau XHTML dari situs.

Melakukan inspect element

Langkah kedua adalah mencermati apakah posisi inspeksi script kita telah tepat atau belum. Kita tinggal melihat higlight atau hover dari kursor hasil seleksi script seperti gambar berikut:

Menyorot hasil inspector teks quote

Untuk mengetahui code XPath sebuah node, kita cukup melakukan klik kanan saat seleksi script kemudian dilanjutkan Copy lalu klik XPath, maka code ekstraksi sebuah node dalam bentuk XPath berhasil kita peroleh untuk kemudian mem-paste-nya pada code R untuk dilakukan proses pengambilan data node.

Meng-copast XPath code

Pada langkah akhir, untuk melakukan web scraping, kita dapat mengikuti beberapa code berikut dan hasilnya tidak jauh berbeda ketika kita menggunakan addons Selector Gadget-nya Chorme:

#Aktivasi beberapa package R untuk scraping

library(rvest)
library(xml2)
library(stringr)

#Membaca seluruh HTML
url <- read_html("https://quotes.toscrape.com/")

#Mengambil teks quote menggunakan kode node XPath Mozila
quoteku <- url %>%
  html_elements(xpath = '/html/body/div/div[2]/div[1]/div[1]/span[1]') %>%
  html_text() %>%
  str_trim()
quoteku

Hasil:

The world as we have created it is a process of our thinking. It cannot be changed without changing our thinking.

Demikian sedikit berbagi kita mengenai bagaimana melakukan web scraping sebuah situs menggunakan XPath di R. Nantikan unggahan berikutnya, selamat memahami 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