Onnowpurbo at 00:49, 28 January 2020

2020-01-28T00:49:18Z

← Older revision		Revision as of 00:49, 28 January 2020
Line 1:		Line 1:
	Sumber: https://www.andrijohandri.id/2019/10/orange3-menambahkan-sentiment-analysis.html		Sumber: https://www.andrijohandri.id/2019/10/orange3-menambahkan-sentiment-analysis.html

			Oleh: Andri Johandri

Onnowpurbo at 00:40, 27 January 2020

2020-01-27T00:40:09Z

Show changes

Onnowpurbo at 00:33, 27 January 2020

2020-01-27T00:33:49Z

← Older revision		Revision as of 00:33, 27 January 2020
Line 3:		Line 3:

	Bagi pengguna aplikasi Text Mining Orange3, tentu saja akan mengalami kesulitan saat akan melakukan penghitungan Sentiment Analysis , dkarenakan Orange3 hanya menyediakan dua bahasa dalam proses Sentimen Analysis yaitu bahasa Inggris dan Slovenia dalam method Liu Hiu .		Bagi pengguna aplikasi Text Mining Orange3, tentu saja akan mengalami kesulitan saat akan melakukan penghitungan Sentiment Analysis , dkarenakan Orange3 hanya menyediakan dua bahasa dalam proses Sentimen Analysis yaitu bahasa Inggris dan Slovenia dalam method Liu Hiu .

			[[File:Andrijohandri.png\|center\|400px\|thumb]]

	Anda dapat menambahkan Bahasa Indonesia dalam metode Liu Hiu ini dengan sedikit modifikasi dan penambahan script python pada proses Sentiment Analysisnya yaitu dengan menambahkan file yang berisi kumpulan kata yang memiliki makna sentimen negatif dan sentimen positif dalam bahasa Indonesia.		Anda dapat menambahkan Bahasa Indonesia dalam metode Liu Hiu ini dengan sedikit modifikasi dan penambahan script python pada proses Sentiment Analysisnya yaitu dengan menambahkan file yang berisi kumpulan kata yang memiliki makna sentimen negatif dan sentimen positif dalam bahasa Indonesia.

Onnowpurbo: Created page with "Sumber: https://www.andrijohandri.id/2019/10/orange3-menambahkan-sentiment-analysis.html Bagi pengguna aplikasi Text Mining Orange3, tentu saja akan mengalami kesulitan saat..."

2019-10-07T09:22:44Z

Created page with "Sumber: https://www.andrijohandri.id/2019/10/orange3-menambahkan-sentiment-analysis.html Bagi pengguna aplikasi Text Mining Orange3, tentu saja akan mengalami kesulitan saat..."

New page

Sumber: https://www.andrijohandri.id/2019/10/orange3-menambahkan-sentiment-analysis.html

Bagi pengguna aplikasi Text Mining Orange3, tentu saja akan mengalami kesulitan saat akan melakukan penghitungan Sentiment Analysis , dkarenakan Orange3 hanya menyediakan dua bahasa dalam proses Sentimen Analysis yaitu bahasa Inggris dan Slovenia dalam method Liu Hiu .

Anda dapat menambahkan Bahasa Indonesia dalam metode Liu Hiu ini dengan sedikit modifikasi dan penambahan script python pada proses Sentiment Analysisnya yaitu dengan menambahkan file yang berisi kumpulan kata yang memiliki makna sentimen negatif dan sentimen positif dalam bahasa Indonesia.

Untuk menambahkan kata tersebut adalah sebagai berikut :

Buka folder /usr/local/lib/python3.7/site-packages/orangecontrib/text/sentiment/resources , dalam folder tersebut terdapat dua file yaitu negatif_words_Slolex.txt yang berisi kata negatif dalam bahasa slovenian dan positive_words_Slolex.txt . Selanjutnya copy negatif_words_Slolex.txt menjadi negatif_words_Ina.txt dan selanjutnya file negatif_words_Ina.txt diedit dengan menghapuskan seluruh isi kata dari bahasa slovenia dan menambahkan kata dengan bahasa indonesai yang memiliki nilai negatif , demikain juga dengan file positive_words_Slolex.txt di copy menjadi file positive_words_Ina.txt, sehingga terdapat 4 file pada folder tersebut.
Selanjutnya buka folder /usr/local/lib/python3.7/site-packages/orangecontrib/text/sentiment , copy file opinion_lexicon_lso.py menjadi file opinion_lexicon_ina.py selanjutnya edit sperti script berikut ini:

import os
class opinion_lexicon_ina:
resources_folder = os.path.dirname(__file__)
@classmethod
def positive(cls):
with open(os.path.join(cls.resources_folder,
'resources/positive_words_Ina.txt'),
'r') as f:
return f.read().split('\n')

@classmethod
def negative(cls):
with open(os.path.join(cls.resources_folder,
'resources/negative_words_Ina.txt'),
'r') as f:
return f.read().split('\n')

Selanjutnya edit file __init__.py :

import numpy as np
from nltk.corpus import opinion_lexicon
from nltk.sentiment import SentimentIntensityAnalyzer

from orangecontrib.text import Corpus
from orangecontrib.text.misc import wait_nltk_data
from orangecontrib.text.preprocess import WordPunctTokenizer
from orangecontrib.text.vectorization.base import SharedTransform, \
VectorizationComputeValue
from orangecontrib.text.sentiment.opinion_lexicon_ina import opinion_lexicon_ina

class Liu_Hu_Sentiment:
sentiments = ('sentiment',)
name = 'Liu Hu'

methods = {'English': opinion_lexicon,
'Indonesia': opinion_lexicon_ina
}

@wait_nltk_data
def __init__(self, language):
self.language = language
self.positive = set(self.methods[language].positive())
self.negative = set(self.methods[language].negative())

def transform(self, corpus, copy=True):
scores = []
tokenizer = WordPunctTokenizer()
tokens = tokenizer(corpus.documents)

for doc in tokens:
pos_words = sum(word in self.positive for word in doc)
neg_words = sum(word in self.negative for word in doc)
scores.append([100*(pos_words - neg_words)/max(len(doc), 1)])
X = np.array(scores).reshape((-1, len(self.sentiments)))

# set compute values
shared_cv = SharedTransform(self)
cv = [VectorizationComputeValue(shared_cv, col)
for col in self.sentiments]

if copy:
corpus = corpus.copy()
corpus.extend_attributes(X, self.sentiments, compute_values=cv)
return corpus

class Vader_Sentiment:
sentiments = ('pos', 'neg', 'neu', 'compound')
name = 'Vader'

@wait_nltk_data
def __init__(self):
self.vader = SentimentIntensityAnalyzer()

def transform(self, corpus, copy=True):
scores = []
for text in corpus.documents:
pol_sc = self.vader.polarity_scores(text)
scores.append([pol_sc[x] for x in self.sentiments])
X = np.array(scores).reshape((-1, len(self.sentiments)))
# set compute values
shared_cv = SharedTransform(self)
cv = [VectorizationComputeValue(shared_cv, col)
for col in self.sentiments]
if copy:
corpus = corpus.copy()
corpus.extend_attributes(X, self.sentiments, compute_values=cv)
return corpus

if __name__ == "__main__":
corpus = Corpus.from_file('deerwester')
liu = Liu_Hu_Sentiment('Indonesia')
corpus2 = liu.transform(corpus[:5])

Agar Widget Sentiment Analysis terdapat pilihan bahasa Indonesia , selanjutnya edit file /usr/local/lib/python3.7/dist-packages/orangecontrib/text/widgets/owsentimentanalysis.py

from AnyQt.QtCore import Qt
from AnyQt.QtWidgets import QApplication, QGridLayout, QLabel

from Orange.widgets import gui, settings
from Orange.widgets.utils.signals import Input, Output
from Orange.widgets.widget import OWWidget
from orangecontrib.text import Corpus
from orangecontrib.text.sentiment import Vader_Sentiment, Liu_Hu_Sentiment

class OWSentimentAnalysis(OWWidget):
name = "Sentiment Analysis"
description = "Predict sentiment from text."
icon = "icons/SentimentAnalysis.svg"
priority = 320

class Inputs:
corpus = Input("Corpus", Corpus)

class Outputs:
corpus = Output("Corpus", Corpus)

method_idx = settings.Setting(1)
autocommit = settings.Setting(True)
language = settings.Setting('English')
want_main_area = False
resizing_enabled = False

METHODS = [
Liu_Hu_Sentiment,
Vader_Sentiment
]
LANG = ['English', 'Indonesia']

def __init__(self):
super().__init__()
self.corpus = None

form = QGridLayout()
self.method_box = box = gui.radioButtonsInBox(
self.controlArea, self, "method_idx", [], box="Method",
orientation=form, callback=self._method_changed)
self.liu_hu = gui.appendRadioButton(box, "Liu Hu", addToLayout=False)
self.liu_lang = gui.comboBox(None, self, 'language',
sendSelectedValue=True,
items=self.LANG,
callback=self._method_changed)
self.vader = gui.appendRadioButton(box, "Vader", addToLayout=False)

form.addWidget(self.liu_hu, 0, 0, Qt.AlignLeft)
form.addWidget(QLabel("Language:"), 0, 1, Qt.AlignRight)
form.addWidget(self.liu_lang, 0, 2, Qt.AlignRight)
form.addWidget(self.vader, 1, 0, Qt.AlignLeft)

ac = gui.auto_commit(self.controlArea, self, 'autocommit', 'Commit',
'Autocommit is on')
ac.layout().insertSpacing(1, 8)

@Inputs.corpus
def set_corpus(self, data=None):
self.corpus = data
self.commit()

def _method_changed(self):
self.commit()

def commit(self):
if self.corpus is not None:
method = self.METHODS[self.method_idx]
if self.method_idx == 0:
out = method(language=self.language).transform(self.corpus)
else:
out = method().transform(self.corpus)
self.Outputs.corpus.send(out)
else:
self.Outputs.corpus.send(None)

def send_report(self):
self.report_items((
('Method', self.METHODS[self.method_idx].name),
))

def main():
app = QApplication([])
widget = OWSentimentAnalysis()
corpus = Corpus.from_file('book-excerpts')
corpus = corpus[:3]
widget.set_corpus(corpus)
widget.show()
app.exec()

if __name__ == '__main__':
main()

Selanjutnya anda kini sudah bisa menggunakan Sentiment Analysis dengan menggunakan analisis NLTK dengan menggunakan bahasa indonesia

==Referensi==

* https://www.andrijohandri.id/2019/10/orange3-menambahkan-sentiment-analysis.html

==Pranala Menarik==

* [[Orange]]

Orange: Sentimen Analysis Bahasa Indonesia - Revision history

Onnowpurbo at 00:49, 28 January 2020

Onnowpurbo at 00:40, 27 January 2020

Onnowpurbo at 00:33, 27 January 2020

Onnowpurbo: Created page with "Sumber: https://www.andrijohandri.id/2019/10/orange3-menambahkan-sentiment-analysis.html Bagi pengguna aplikasi Text Mining Orange3, tentu saja akan mengalami kesulitan saat..."