Mengutip kajian yang sudah banyak dilakukan, bahwa keberadaan Twitter telah digunakan secara luas oleh berbagai lapisan masyarakat dalam beberapa tahun terakhir. Kebiasaan masyarakat mem-posting tweet untuk menilai tokoh publik atau cuitannya sendiri adalah salah satu media yang  bisa dijadikan representasi tanggapan penulis atau tanggapan masyarakat terhadap tokoh publik, issue, kasus, atau sebuah produk. Saat ini memang sedang semarak, dimana ada pihak-pihak tertentu yang ingin mengetahui sentimen dan tanggapan seseorang terhadap tokoh publik atau masalah lain. Oleh karena itu, tulisan ini mudah mudahan bisa membantu menganalisis tweet berbahasa Indonesia yang sedang dibicarakan oleh pengguna twitter tersebut.

Persiapan:

pip install googletrans
pip install vaderSentiment

Test Case:

from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer
analyser = SentimentIntensityAnalyzer()
analyser.polarity_scores("The movie is good")

{'neg': 0.0, 'neu': 0.508, 'pos': 0.492, 'compound': 0.4404}

analyser.polarity_scores("The movie is very bad")
{'neg': 0.487, 'neu': 0.513, 'pos': 0.0, 'compound': -0.5849}

Dasar Pengambilan Data dari Twitter:

import tweepy

consumer_key = '<consumer key>'
consumer_secret = '<consumer secret>'
access_token = '<twitter akses token>'
access_token_secret = '<token secret>'
auth = tweepy.OAuthHandler(consumer_key, consumer_secret)
auth.set_access_token(access_token, access_token_secret)
api = tweepy.API(auth)

Terjemah ke Bahasa Indonesia

from googletrans import Translator
translator = Translator()
translator.translate('hola, todo bien?').text

'hello, everything okay?'

Membuat Sentimen Analisisnya:

def sentiment_analyzer_scores(text):
    score = analyser.polarity_scores(text)
    lb = score['compound']
    if lb >= 0.05:
    return 1
    elif (lb > -0.05) and (lb < 0.05):
    return 0
    else:
    return -1

Script Python untuk Analisis Sentimen:

def anl_tweets(lst, title='Tweets Sentiment', engl=True ):
    sents = []
    for tw in lst:
        try:
            st = sentiment_analyzer_scores(tw, engl)
            sents.append(st)
        except:
            sents.append(0)
     ax = sns.distplot(
          sents,
          kde=False,
          bins=3)
     ax.set(xlabel='Negative Neutral Positive',
            ylabel='#Tweets',
            title="Tweets of @"+title)
     return sents

Membuat Word Cloud:

import tweepy
from textblob import TextBlob
from wordcloud import WordCloud
import pandas as pd
import numpy as np
import re
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')

posts = api.user_timeline(screen_name="adearmando1", count = 100, lang ="in", tweet_mode="extended")

# Create dataframe dengan kolomnya
df = pd.DataFrame([tweet.full_text for tweet in posts], columns=['text'])
# Show 5 rows data teratas
df.head()

# Create a function to clean the tweets
def cleanTxt(text):
text = re.sub('@[A-Za-z0–9]+', '', text) #Removing @mentions
text = re.sub('#', '', text) # Removing '#' hash tag
text = re.sub('RT[\s]+', '', text) # Removing RT
text = re.sub('https?:\/\/\S+', '', text) # Removing hyperlink

return text

# Clean tweets
df['text'] = df['text'].apply(cleanTxt)

# Show cleaned tweets
df

def anl_tweets(lst, title='Tweets Sentiment', engl=True ):
sents = []
for tw in lst:
try:
st = sentiment_analyzer_scores(tw, engl)
sents.append(st)
except:
sents.append(0)
ax = sns.distplot(
sents,
kde=False,
bins=3)
ax.set(xlabel='Negative Neutral Positive',
ylabel='#Tweets',
title="Tweets of @"+title)
return sents

# Create a function to get the subjectivity
def getSubjectivity(text):
return TextBlob(text).sentiment.subjectivity

# Create a function to get the polarity
def getPolarity(text):
return TextBlob(text).sentiment.polarity

# Create two new columns 'Subjectivity' & 'Polarity'
df['Subjectivity'] = df['text'].apply(getSubjectivity)
df['Polarity'] = df['text'].apply(getPolarity)

# Show new dataframe 'Subjectivity' & 'Polarity'
df

# word cloud visualization
allWords = ' '.join([twts for twts in df['text']])
wordCloud = WordCloud(width=1600, height=800, 
background_color='white',
colormap='jet',
random_state=21, max_words=50, max_font_size=200).generate(allWords)

plt.figure(figsize=(12, 10))
plt.axis('off')
plt.imshow(wordCloud, interpolation="bilinear")
plt.show()

Menampilkan Grafik:

# Plotting 
plt.figure(figsize=(8,6)) 
for i in range(0, df.shape[0]):
plt.scatter(df["Polarity"][i], df["Subjectivity"][i], color='Blue') 
# plt.scatter(x,y,color) 
plt.title('Sentiment Analysis') 
plt.xlabel('Polarity') 
plt.ylabel('Subjectivity') 
plt.show()

Semua informasi dan file yang saya sharing dalam website ini adalah sesuai dengan terms & comdition dari WordPress.com dan tentang keakuratan atau kebenarannya harus dilakukan cross-check, konfirmasi, termasuk dukungan agar informasi atau file yang saya sharing disini menjadi bermutu dan bermanfaat!