Analisis Sentimen Twitter bertemakan Black Campaign

Sentiment Analysis Twitter kategori Black Campaign

Twitter adalah situs web dimiliki dan dioperasikan oleh Twitter, Inc., yang menawarkan jaringan sosial berupa microblog. Disebut microblog karena situs ini memungkinkan penggunanya mengirim dan membaca pesan blog seperti pada umumnya namun terbatas hanya sejumlah 140 karakter yang ditampilkan pada halaman profil pengguna. Twitter memiliki karakteristik dan format penulisan yang unik dengan simbol ataupun aturan khusus.Pesan dalam Twitter dikenal dengan sebutan tweet.

Analisis sentimen, yang disebut juga dengan opinion mining, merupakan salah satu cabang ilmu dari data mining yang bertujuan untuk menganalisis, memahami, mengolah, dan mengekstrak data tekstual yang berupa opini terhadap entitas seperti produk, servis, organisasi, individu, dan topik tertentu [8]. Analisis ini digunakan untuk mendapatkan suatu informasi tertentu dari suatu kumpulan data yang ada. Analisis sentimen berfokus pada pengolahan opini yang mengandung polaritas, yaitu memiliki nilai sentimen positif ataupun negatif.

sebelum kita melakukan sentiment analysis, langkah-langkah yang harus dilakukan adalah:

1.      Install aplikasi Python dan Pycharm.

2.      Lakukan pendaftaran Twitter Apps pada https://apps.twitter.com , untuk mendapatkan key untuk mengakses twiiter, jangan lupa harus memiliki akun twiiter dan blog / website

3.      Isi data berikut sesuai kebutuhan

4.      Ambil keys dan access token untuk digunakan dalam pembuatan source code.

5.      Lakukan Collecting data dan Export data menjadi .txt

Buat projek baru dan import library dengan menginstall package install di file à settingàproject interpreter + modul dan search apa yang dibutuhkan

6.      Buat file baru bernama filetwitter.py berisikan source code sebagai berikut

#Import the necessary methods from tweepy library from tweepy.streaming import StreamListener from tweepy import OAuthHandler from tweepy import Stream #Variables that contains the user credentials to access Twitter API consumer_key = 'xxxxxxxxxxxxxxxxxxxxxxxxx' consumer_secret = 'xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx' access_token = 'xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx’ access_token_secret = 'xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx' #This is a basic listener that just prints received tweets to stdout. class StdOutListener(StreamListener):     def on_status(self, status):         try:             with open('source/prabowo.txt', 'a') as record:                 record.write(str(status.text) + '\n')                 return True         except BaseException as e:             print("Error on_data: %s" % str(e))         print(status.text)         return True     # def on_direct_message(self, data):     #     #     print(data.text)     #     return True     # def on_data(self, raw_data):     #     # if status.retweeted_status:     #     #     return     #     print(raw_data)     #     return True     def on_error(self, status_code):         if status_code == 420:             return False if __name__ == '__main__':     #This handles Twitter authetification and the connection to Twitter Streaming API     l = StdOutListener()     auth = OAuthHandler(consumer_key, consumer_secret)     auth.set_access_token(access_token, access_token_secret)     stream = Stream(auth, l)     #This line filter Twitter Streams to capture data by the keywords: 'python', 'javascript', 'ruby'     stream.filter(track=['#prabowo', 'prabowo'])

Contohnya seperti diatas, jangan lupa untuk mengisi consumer_key, consumer_secret, access_token, access_token_secret yang didapat ketika mempuat Twitter App.

7.      Siapkan file positive.txt dan negative.txt yang berisi keyword untuk melakukan sentimen analysis

8.      Lakukan Sentiment Analysis terhadap data yang berhasil kita kumpulkan dan buat laporan dalam bentuk csv dengan membuat source code sebagai berikut :

from __future__ import division import csv from string import punctuation positive_word = [] negative_word = [] positive_counts = [] negative_counts = [] clean_tweets = [] header = [("tweets","positif","negatif","posiftif %","negative %")] # header = [("tweets","positif","negatif","clean tweets")] tweets = open("source/prabowo.txt").read() tweets_list = tweets.split('\n') pos_sent = open("source/positive.txt").read() positive_words = pos_sent.split('\n') neg_sent = open("source/negative.txt").read() negative_words = neg_sent.split('\n') for tweet in tweets_list:     text_positif=[]     text_negatif=[]     positive_counter = 0     negative_counter = 0     tweet_procces_2 = tweet.replace('!', '').replace('.', '')     tweet_processed = tweet_procces_2.lower()     for p in list(punctuation):         tweet_processed = tweet_processed.replace(p, '')     clean_tweets.append(tweet_processed)     words = tweet_processed.split(' ')     word_count = len(words)     for word in words:         if word in positive_words:             text_positif.append(word)             positive_counter = positive_counter+1         elif word in negative_words:             text_negatif.append(word)             negative_counter = negative_counter+1     positive_counts.append((positive_counter / word_count)*100)     negative_counts.append((negative_counter / word_count)*100)     positive_word.append(text_positif)     negative_word.append(text_negatif) # output = zip(tweets_list, positive_counts, negative_counts, clean_tweets) output = zip(clean_tweets, positive_word, negative_word, positive_counts, negative_counts) title = header writer = csv.writer(open('source/sentiment_analysis_result.csv', 'wb')) writer.writerows(title) writer.writerows(output)

Dan berikut adalah contoh output dari hasil sentiment analysis