Dibuat Oleh
:
Abi Fadhillah Surya
Agung Wicaksono
Raditya Abdurrafi
Abi Fadhillah Surya
Agung Wicaksono
Raditya Abdurrafi
Pada
kesempatan kali ini kami akan membahas cara membuat program sentiment analysis dengan
menggunakan bahasa pemrograman Python. Sentiment analysis ini kami lakukan pada
social media Facebook. Sebelum crawling data dari Facebook, sebelumnya kita harus
mempunyai API key Facebook terlebih dahulu dimana didalam Facebook disebut Token.
Langkah – langkahnya adalah sebagai berikut :
1. Buka
website https://developers.facebook.com/ pada browser. Lakukan login dengan
menggunakan akun facebook maka kita terlebih dahulu.
2. Buat
aplikasi baru dengan mengklik Create New App. Isi sesuai kebutuhan.
3. Jika sudah, akan muncul halaman Dashboard seperti berikut.
4. Buka
website https://developers.facebook.com/tools/explorer/ untuk mengambil token dari Graph API
5. Klik Graph
API Explorer pada atas kanan halaman dan pilih Aplikasi yang tadi sudah dibuat.
6. Lalu klik
Get Token di bawah Graph API Explorer dan pilih Get User Access Token.
7. Pilih
permissions yang ingin digunakan pada program ini. Jika sudah klik Get Access Token.
8. Setelah itu
token bisa didapatkan pada field yang tertera berikut.
Setelah mendapatkan token pada Graph API Facebook maka
lanjut ke kode program. Berikut akan dijelaskan beberapa potongan kode program.
Masukkan kode di atas untuk meng-import semua library
yang dibutuhkan. Dalam PyCharm kita dapat menginstall library atau package
secara otomatis dengan menekan Alt+Enter lalu install package pada line import.
Kode di atas untuk mengakses Graph API dengan
mengguakan token yang sudah didapatkan tadi.
Corpus dan datasets ini digunakan untuk menampung
comment yang akan diambil dari Facebook.
Lalu kode tersebut digunakan untuk filter search yang
diinginkan dengan keyword tertentu. Kami menggunakan keyword ‘pilpres’ karena
berhubungan dengan black campaign. Lalu limit pencariannya yaitu cukup 5.
Kode di atas berfungsi untuk mendapatkan comment dari post dan page yang ditentukan. Semua comment tersebut akhirnya akan disimpan di corpus untuk selanjutnya dijadikan report.
Pada kode tersebut terjadi proses penilaian komentar
apakah komentar tersebut negative ataupun positive dengan library TextBlob yang
sudah diimport di awal program.
Selanjutnya adalah untuk memberikan output ke console
python dan memberikan report berupa file bertipe csv yang akan disimpan pada
directory yang sama dengan project python dibuat.
Gambar di atas merupakan output yang tertera di
console python.
Gambar di atas adalah report komentar yang sudah
diambil beserta klasifikasi negative atau positif nya. Untuk penggolongan klasifikasi, tidak sesuai dengan yang diinginkan karena pada dasarnya library TextBlob menggunakan kata-kata dalam bahasa Inggris.
