Skip to content Skip to sidebar Skip to footer

Source Code Sentimen Analisis Twitter dengan Python

Source Code Sentimen Analisis Twitter dengan Python

Source Code Sentimen Analisis Twitter dengan Python - Menurut jurnal yang berjudul Implementasi Opinion Mining (Analisis Sentimen) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi, Sentiment analysis atau opinion mining merupakan topik riset yang penting dan sedang marak dilakukan saat ini. Opinion mining merupakan cabang penelitian dari text mining. Fokus dari opinion miningadalah melakukan analisis opini dari suatu dokumen teks. Terdapat tiga buah subproses dari opinion mining yaitu, document subjectivity, opinion orientation dan target detection. Dalam dunia bisnis, opinion mining banyak digunakan untuk menganalisis secara otomatis opini pelanggan tentang produk dan pelayanannya.

Kode script api twitter silahkan isi dengan kodemu

!pip install nltk
!pip install wordcloud
!pip install tweepy

import re 
import tweepy 
import nltk
import pandas as pd
import matplotlib.pyplot as plt
from wordcloud import WordCloud,STOPWORDS'punkt')'stopwords')
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize
from nltk.stem import PorterStemmer
from tweepy import OAuthHandler 
from textblob import TextBlob
def connect():
  # Replace the xxxxx with your twitter api keys
  consumer_key = 'isi punyamu'
  consumer_secret = 'isi punyamu'
  access_token = 'isi punyamu'
  access_token_secret = 'isi punyamu'

    auth = OAuthHandler(consumer_key, consumer_secret)
    auth.set_access_token(access_token, access_token_secret)
    api = tweepy.API(auth)
    return api

def cleanText(text):
  text = text.lower()
  # Removes all mentions (@username) from the tweet since it is of no use to us
  text = re.sub(r'(@[A-Za-z0-9_]+)''', text)
  # Removes any link in the text
  text = re.sub('http://\S+|https://\S+''', text)
  text = re.sub('\n''', text)
  text = re.sub('&amp''', text)
  text = re.sub('yang''', text)
  text = re.sub('aja''', text)
  text = re.sub('nya''', text)
  text = re.sub('udah''', text)
  text = re.sub('banget''', text)
  text = re.sub('akun''', text)
  text = re.sub('bgt''', text)
  text = re.sub('yg''', text)
  text = re.sub('gue''', text)
  text = re.sub('gw''', text)
  # Only considers the part of the string with char between a to z or digits and whitespace characters
  # Basically removes punctuation
  text = re.sub(r'[^\w\s]''', text)

  # Removes stop words that have no use in sentiment analysis 
  text_tokens = word_tokenize(text)
  text = [word for word in text_tokens if not word in stopwords.words()]

  text = ' '.join(text)
  return text

def stem(text):
  # This function is used to stem the given sentence
  porter = PorterStemmer()
  token_words = word_tokenize(text)
  stem_sentence = []
  for word in token_words:
  return " ".join(stem_sentence)
def sentiment(cleaned_text):
  # Returns the sentiment based on the polarity of the input TextBlob object
  if cleaned_text.sentiment.polarity > 0:
    return 'positive'
  elif cleaned_text.sentiment.polarity < 0:
    return 'negative'
    return 'neutral'
def fetch_tweets(querycount = 50 , lang = 'id'):
  api = connect() # Gets the tweepy API object
  tweets = [] # Empty list that stores all the tweets

    # Fetches the tweets using the api
    fetched_data = = query + ' -filter:retweets'
count = count)
    for tweet in fetched_data:
      txt = tweet.text
      clean_txt = cleanText(txt) # Cleans the tweet
      stem_txt = TextBlob(stem(clean_txt)) # Stems the tweet
      sent = sentiment(stem_txt) # Gets the sentiment from the tweet
      tweets.append((txt, clean_txt, sent))
    return tweets
  except tweepy.TweepError as e:
    print("Error : " + str(e))
tweets = fetch_tweets(query = 'Soeharto', count = 3000)
# Converting the list into a pandas Dataframe
df = pd.DataFrame(tweets, columns= ['tweets''clean_tweets','sentiment'])

# Dropping the duplicate values just in case there are some tweets that are copied and then stores the data in a csv file
df = df.drop_duplicates(subset='clean_tweets')
df.to_csv('data.csv', index= False)
ptweets = df[df['sentiment'] == 'positive']
p_perc = 100 * len(ptweets)/len(tweets)
ntweets = df[df['sentiment'] == 'negative']
n_perc = 100 * len(ntweets)/len(tweets)
print(f'Positive tweets {p_perc} %')
print(f'Neutral tweets {100 - p_perc - n_perc} %')
print(f'Negative tweets {n_perc} %')

twt = " ".join(df['clean_tweets'])
wordcloud = WordCloud(stopwords=STOPWORDS, background_color='white', width=2500, height=2000).generate(twt)


Gambar setelah dirun

Post a Comment for "Source Code Sentimen Analisis Twitter dengan Python"