Langsung ke konten utama

Ekstraksi Teks Spesifik dengan Regular Expression (REGEX) R Bagian IV

Regular Expression (REGEX) dengan R

Pada artikel sebelumnya, kita telah belajar bersama mengenai penggunakan fungsi Natural Language Processing (NLP) berupa gsub() dan grep(). Pada artikel kali ini, kita akan membahas fungsi NLP yang berguna dalam ekstraksi teks juga, yaitu sub().

Perbedaan mendasar penggunaan fungsi sub() adalah mematchkan karakter, teks, atau kata pertama kali untuk kemudian diubah ke karakter, teks, atau kata lain. Selain itu, manfaat lain dari fungsi sub() ini adalah untuk menyisipkan karakter, teks, atau kata dalam karakter, teks, atau kata yang telah ada. Untuk lebih memahami bagaimana menggunakan fungsi sub() dalam ekstraksi teks, berikut beberapa langkah praktis yang dapat diterapkan.

#Teks
x <- c("Saya", "mengolah (data) sebanyak 15 GB", "pada 04-03-2023", "Big Data",
       "menggunakan \\R bukan r", "versi @ 4.0.2")
x
## [1] "Saya"                           "mengolah (data) sebanyak 15 GB" "pada 04-03-2023"               
## [4] "Big Data"                       "menggunakan \\R bukan r"        "versi @ 4.0.2"
#Menyisipkan kata sebuah sebelum kata data
sub("d", "sebuah d", x)
## [1] "Saya"                                  "mengolah (sebuah data) sebanyak 15 GB"
## [3] "pasebuah da 04-03-2023"                "Big Data"                             
## [5] "menggunakan \\R bukan r"               "versi @ 4.0.2"
#Mengganti tanda \\ dengan blank
sub("[\\]", "", x)
## [1] "Saya"                           "mengolah (data) sebanyak 15 GB" "pada 04-03-2023"               
## [4] "Big Data"                       "menggunakan R bukan r"          "versi @ 4.0.2"
#Mengganti huruf R besar dan r kecil menjadi r kecil
sub("[Rr]", "r", x)
## [1] "Saya"                           "mengolah (data) sebanyak 15 GB" "pada 04-03-2023"               
## [4] "Big Data"                       "menggunakan \\r bukan r"        "versi @ 4.0.2"
#Mengganti angka digit pertama dengan blank 
sub("[[:digit:]]", "", x)
## [1] "Saya"                          "mengolah (data) sebanyak 5 GB" "pada 4-03-2023"               
## [4] "Big Data"                      "menggunakan \\R bukan r"       "versi @ .0.2"
#Mengganti angka digit pertama dengan blank 
sub("[)]", " www.bigdata.com)", x)
## [1] "Saya"                                           "mengolah (data www.bigdata.com) sebanyak 15 GB"
## [3] "pada 04-03-2023"                                "Big Data"                                      
## [5] "menggunakan \\R bukan r"                        "versi @ 4.0.2"
#Mengganti huruf a pertama di setiap teks dengan tanda *
sub("a", "*", x)
## [1] "S*ya"                           "mengol*h (data) sebanyak 15 GB" "p*da 04-03-2023"               
## [4] "Big D*ta"                       "menggun*kan \\R bukan r"        "versi @ 4.0.2"

Demikian sedikit sharing kita kali ini. Jangan lupa untuk terus menyimak unggahan-unggahan menarik lainnya. Selamat memahami dan mempraktikkan!

Komentar

Postingan populer dari blog ini

Mencari P - Value dan Titik Kritis Uji F, Uji t, Uji Chi Square, dan Uji Z Normal dengan R

Mencari nilai p-value dan titik kritis Bagi teman-teman yang pernah mengenal statistika, pasti familier dengan istilah p-value dan titik kritis. P-value biasanya didefinisikan sebagai probabiltas atau peluang maksimal yang diamati dari hasil uji statistik, bahasa gampangnya adalah besarnya kesalahan penelitian berdasarkan uji statistik. Sebagai contoh sederhana, dari 100 orang dengan nama masing-masing dan diklasifikasikan ke dalam gender nama perempuan dan nama laki-laki, didapatkan nilai p-value uji statistiknya sebesar 0,05 atau 5%. Itu artinya, dari 100 orang, ada kemungkinan sebanyak 5 orang yang namanya salah klasifikasi. Dari namanya terdeteksi sebagai nama perempuan, padahal aktualnya yang bersangkutan bergender laki-laki. Sedangkan titik kritis atau titik uji adalah nilai batas pengujian hipotesis statistik, apakah masuk dalam wilayah tolak hipotesis, ataukah gagal menolaknya. Titik ini berkaitan erat dengan nilai p-value . Kalau biasanya kita mendapatkan kedua nilai ini da...

Cara Mendowload dan Install R serta RStudio di Windows (Step by Step)

Cara Download dan Install R serta R Studio di Windows Halo teman-teman, mohon maaf karena beberapa waktu ini, blog ini sempat vakum dari unggahan. Kali ini saya akan coba berbagai mengenai bagaimana cara mengunduh ( download ) dan menginstal ( install ) program R sekaligus R Studio khususnya di Windows. Unggahan kali ini sedikit terbalik karena semestinya saya unggah terlebih dahulu pertama kali di blog ini, namun bukan masalah, mengingat kemarin ada beberapa pihak yang meminta untuk menerangkap bagaimana tahapan mengunduh dan instalasi R dan R Studio, jadinya saya dahulukan pada unggahan ini sebelum pembahasan mengenai Data Mining , Data Science , atau bahasan Big Data kita terlampau jauh. Baik, kita akan mulai dengan bagaimana mengunduh R dan R Studio melalui mesin pencari Google. R dan R Studio ini memang beberapa waktu terakhir ini booming , apalagi dengan munculnya konsep mengenai Big Data , Data Modelling, Data Mining, dan Data Science serta Data Visualization . Sebenarnya, men...

Analisis Tipologi Klassen (Klassen Typology) dan Visualisasi Spasialnya dengan R

Tipologi Klassen dan visualisasinya dengan R Halo teman-teman, sebelumnya kita telah membahas tentang analisis Shift Share dan Location Quotient (LQ) dengan menggunakan R. Kali ini, kita akan membahas mengenai satu lagi alat analisis yang sebenarnya merupakan alat analisis tiga serangkai dari SS dan LQ, yaitu analisis Tipologi Klassen. Dalam penelitian ekonomi kewilayahan, ketiga analisis ini seringkali digunakan, baik dalam rangka melihat perkembangan dan transformasi struktur ekonomi suatu wilayah maupun melihat keunggulan kompetitif dan keunggulan komparatif wilayah satu dengan wilayah lainnya dengan mengacu wilayah referensi. Terlebih dulu, sebelum melakukan visualisasi spasial menggunakan fungsi plot(), ada baiknya kita bahas terlebih dahulu mengenai Tipologi Klassen itu sendiri. Tipologi Klassen merupakan teknik pengelompokan sektor, subsektor, lapangan usaha, atau komoditas tertentu di wilayah analisis berdasarkan pertumbuhan nilai tambah wilayah analisis terhadap nasional atau...