Skip to content

G20 Indonesia 2022 Sentiment Analysis with Jupyter Notebook

Notifications You must be signed in to change notification settings

MrWaradana/dataset_g20

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

13 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

ANALISIS SENTIMEN MENGENAI KONFERENSI TINGKAT TINGGI G20 BALI 2022 DI TWITTER

Summary

Indonesia pada tahun ini berkesempatan untuk memimpin presidensi Gerakan 20 negara dengan mengusung tema semangat bersama pulih bersama. Untuk mensukseskan acara ini, pemerintah dan masyarakat bekerjasama untuk mempersiapkan berbagai hal dalam mendukung Indonesia sebagai tuan rumah hingga akhir november mendatang. Tujuan dari penelitian ini untuk menganalisis respon masyarakat terhadap kepemimpinan Indonesia dalam memimpin G20 ditengah gejolaknya bencana ekonomi dan perang. Dalam analisis ini kami mendapatkan data dari twitter sebanyak 1066 untuk selanjutnya mengelompokkan masyarakat yang mendukung sebanyak 47.6%, netral sebanyak 47.1% , dan tidak mendukung sebanyak 5.3% dengan tingkat akurasi mencapai 90%. Dengan ini dapat disimpulkan bahwa masyarakat cenderung mendukung terselenggaranya berbagai acara KTT G20.

How to?

Langkah dalam menggunakan code python untuk sentimen analisis :

  1. Crawling data twitter dengan menggunakan library twint (ikuti alur yang ada di 1_crawling_data_g20)
  2. Cleansing data raw dengan menghilangkan karakter yang diinginkan (ikuti alur yang ada di 2_cleansing_data_g20)
  3. Proses data teks menjadi kata yang baku dan menghilangkan kata slang (ikuti alur yang ada di 3.0_text_processing_data_g20)
  4. Translate hasil proses data ke Bahasa Inggris dengan google sheets

    TextBlob tidak bisa membuat sentimen dengan bahasa Indonesia

  5. Proses data teks yang telah ditranslate ke bahasa inggris menjadi kata yang baku dan menghilangkan kata slang (ikuti alur yang ada di 3.4_text_processing_translated_data_g20)
  6. Lakukan sentimen analisis dengan library TextBlob 4_sentiment_analysis_data_g20)
  7. Lakukan training dan testing model untuk mengetahui akurasi dari model yang digunakan menggunakan library sklearn 4_sentiment_analysis_data_g20)
  8. Hasil didokumentasikan untuk melihat analisis sentimen

About

G20 Indonesia 2022 Sentiment Analysis with Jupyter Notebook

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published