Berbagi ilmu dan tugas

Mei 10, 2018

DEEP LEARNING & SENTIMENT ANALYSIS

Hi guys kali ini saya akan menjelaskan apa itu pengertian deep learning dan salah satu implementasinya adalah sentiment analisis. Langsung saja kita bahas.

Apa itu Deep Learning ?

Deep learning bisa diartikan sebagai rangkaian metode untuk melatih jaringan saraf buatan multi-lapisan. Menurut Wikipedia Deep learning (deep machine learning, or deep structured learning, or hierarchical learning, or sometimes DL) is a branch of machine learning based on a set of algorithms that attempt to model high-level abstractions in data by using model architectures, with complex structures or otherwise, composed of multiple non-linear transformations. Dalam bahasa yang lebih sederhana deep learning merupakan tumpukan atau stack dari beberapa algoritma atau metode, sehingga berkembang berbagai pendekatan deep learning dengan berbagai arsitektur. Beberapa tujuan dari tumpukan metode ini adalah feature extraction, juga memanfaatkan seluruh resource seoptimal mungkin.

Deep learning sendiri sering disandingan dengan big data, yaitu menganalisis big data dengan 3V nya dengan menggunakan deep learning. Sehingga dengan melihat kompleksitas dari metode tersebut dibutuhkan teknologi penopang seperti hardware dan pendekatan implementasi parallel ataupun cluster baik dari sisi implementasi algoritma ataupun data management yang cukup cepat, sehingga dapat menekan kompleksitas waktu yang muncul dalam deep learning.

Terdapat berbagai pendekatan yang dilakukan dari mulai parallel programming dengan menggunakan multi core biasa, GPU, hingga message passing inteface misalkan memanfaatkan lebih dari satu mesin. Seperti yang dilakukan google, baidu, microsoft, bahkan nvidia yang mengeluarkan Deep Learning GPU Training System (DIGITS) .

Sedangkan apa itu sentiment analysis?

Sentiment Analysis adalah pengolahan kata untuk melacak mood masyarakat tentang produk atau topik tertentu. Analisis Sentimen disebut opinion mining (G.Vinodhini, M. Chandrasekaran 2012). pada pengertian lain Sentimen analisis adalah riset komputasional dari opini sentiment dan emosi yang diekspresikan secara tekstual.

Berikut adalah contoh pembuatan algoritma untuk melakukan sentiment analisis:

Sentiment analysis dilakukan untuk mengetahui, melacak opini dan ekspresi masyarakat terkait konten porno grafi yang ada pada facebook. kami telah menentukan sebuah akun facebook yang memposting konten yang berbau pornografi dan memilih postingan mana yang memiliki banyak komentar. nantinya komentar dari postingan tersebut akan di analisis

Pertama install dahulu Pythonnya. Kami menggunakan Python versi 3.6. Python dapat didownload pada link berikut ini:

>>> Ptyhon Download

Setelah menginstall Ptyhonya, buka CMD lalu install wordcloud yang digunakan untuk menampilkan hasil kata-kata sentiment analysis dengan menekankan pada kata-kata mana yang sering banyak digunakan. ketikan

"pip install wordcloud"

Setelah python siap, tahap selanjutnya adalah mempersiapkan Facebook APInya. Pertama melakukan registrasi pada website facebook for developer kemudian buat project baru dan login dengan akun facebook pribadi. Gunakan fitur API graf untuk dapat mengekses informasi-informasi yang terdapat pada Facebook.

kemudian tekan tombol Graft API exproler. kami memilih project yang telah dibuat tadi agar saya dapat mendapatkan informasi peribadi terkait aku saya kita diperlukan. namun jika tidak kita dapat pula menggunakan grap API explorer. seperti gambar diatas

kemudian tekan tombol dapatkan token untuk mendapatkan code token yang kita butuhkan untuk menghubungkan program dengan Facebook API. kemudian pilih jenis informasi apa yang dapat diakses.

Kemudian tekan tombol dapatkan token akses. maka kita akan mendapatkan tokennya. token akses tersebut hanya berlaku selama 2 jam saja. setelah dua jam kita harus meminta token baru.

Tahap selanjutnya adalah membuat script python untuk proses pengambilan data dan menampilkannya. pertama kita import dahulu liblari yang kita butuhkan.

Selanjutnya buat variabel yang akan menyimpan nilai graf version, token , id user dan id postingan dari user tersebut.

Kemudian masukan kodingan berikut ini untuk melakukan proses pengambilan data dari graft API tersebut.

Setelah lihat bahwa data yang diambil adalah bagian komentar dari postinga tersebut. nantinya setiap komentar tersebut akan tersimpan pada variabel comments yang bertipe array. data yang disimpan pada variabel tersebut akan di save kedalam sebuah file yang bertipe txt. berikut adalah source code yang digunakan:

Selanjutnya file comments.txt yang telah dibuat tadi akan di buka dan dilakukan generate oleh wordcloud untuk ditampilkan. word cloud akan menampilkan kata - kata yang sering di gunakan dengan ukuran besar dan warna yang berbeda beda. berikut adalah source code untuk mengambil data dan melakukan generate wordcloud.

Terlihat kami menampilkan hasil generate wordcloud dengan dua cara pertama tanpa mengatur ukuran text yang akan di generate yang kedua dengan mengaturnya. setelah script dibuat maka save dengan nama yang diinginkan. kami memberikan nama scraping.py. Untuk menjalankan script tersebut buka cmd dimana file tersebut berapa kemudian ketikan

"py scraping.py"

berikut proses saat running berlangsung