Skip to main content

Ringkasan 'Public Reaction to Scientific Research via Twitter Sentiment Prediction'

Tulisan ini dibuat sebagai tugas dari mata kuliah Kapita Selekta

Pengguna media sosial berbagi ide, pemikiran, dan emosi mereka dengan pengguna lain. Namun, tidak jelas bagaimana pengguna online akan menanggapi penelitian baru hasil. Penelitian ini bertujuan untuk memprediksi sifat emosi yang diungkapkan oleh Twitter pengguna terhadap publikasi ilmiah. Selain itu, kami menyelidiki fitur apa dari artikel penelitian membantu dalam prediksi tersebut. Mengidentifikasi sentimen artikel penelitian di media sosial akan membantu para ilmuwan mengukur dampak sosial baru dari penelitian mereka artikel.

 Metodologi yang digunakan adalah mengkategorisasikan nilai nilai sentimen yang ada dengan skala negatif, positif dan netral

Sebelumnya metode ini pernah digunakan untuk mencari sentimen yang ada dalam jurnal jurnal saintifik, namun pada jurnal kali ini akan digunakan untuk menguji dan memeriksa sentimen yang ada dalam platform social media yaitu Twitter

Ada beberapa tools dan metode untuk mengolah data data tweet

1. NLTK2 VADER (Valence Aware Dictionary and sEntiment Reasoner) adalah alat analisis sentimen leksikal dan berbasis aturan di Perangkat Bahasa Alami perpustakaan (NLTK). Komponen VADER, penganalisis intensitas sentimen menghasilkan skor polaritas majemuk untuk teks. Skor ini adalah nilai berkelanjutan dalam kisaran -1 (negatif) hingga +1 (positif). Kami menggunakan versi 3.6.2 dari perpustakaan NLTK.

2. TextBlob3 adalah perpustakaan yang digunakan untuk berbagai tujuan, seperti penandaan bagian-of speech, ekstraksi frase kata benda, dan analisis sentimen.

3. Stanford CoreNLP4 adalah adalah perpustakaan yang dibangun di Jawa. Untuk Stanford CoreNLP,
Paket Python berinteraksi dengan perpustakaan di server yang berjalan di latar belakang pada platform Jawa. Perpustakaan ini menghasilkan skor sentimen sebagai berikut: sangat negatif = 0, negatif = 1, netral = 2, positif = 3, dan sangat positif = 4. Kami menggunakan versi 4.2.0 dari perpustakaan Stanford CoreNLP.

4. SentiStrength5 adalah algoritma oleh Thelwall et al. (2010) digunakan untuk mengekstrak sen-
waktu teks informal. Kami menggunakan pembungkus Python dari algoritma ini untuk menghasilkan sentimen ternary: negatif = -1, netral = 0, positif = 1.

5. Sentiment1406 adalah alat analisis sentimen yang dirancang khusus untuk Twitter. Kami menggunakan API sentimen140 untuk menanyakan sentimen tweet dan mendapatkan polaritas sebagai negatif = 0, netral = 2, dan positif = 4.

Lalu kita membuat tiga macam model machine learning

1. Classification models untuk memprediksi sentimen tweet sebagai label kelas biner (positif dan negatif)
2. Classification models untuk memprediksi sentimen tweet sebagai salah satu dari tiga label kelas (positif, netral, dan negatif)
3. Regression models untuk memprediksi skor sentimen tweet yang tepat.

Link Download Jurnal

Comments

Popular posts from this blog

Cara Mengatasi Missing Value Pada Dataset

  Ketika kita ingin mengolah data untuk menjadi sebua model machine learning, maka data yang harus disajikan harus bersih dari field field kosong. Biasanya kita akan menjumpai filed field bernilai NaN yang artinya field tersebut kosong atau tak diketahui. Ini sangat berpengaruh hasil model data kita Inilah yang disebut Missing Value. Nilai yang hilang dari beberapa baris dataset Cara Mengetahui Bahwa Dataset Kita Terdapat Missing Value? Cara termudah adalah dengan menggunakan method method yang tersedia oleh package Pandas Dengan Pandas, tak hanya kita bisa mengetahui dataset terdapat Missing Value atau tidak, kita bisa mencari mean, median dan modus, mengisikan data data yang kosong tersebut, dan melihat hasil data tersebut dari beberapa range tertentu Pandas juga bisa membantu kita untuk memeriksa apakah dataset kita memiliki data yang kosong. Tak mungkinkan kita melihat satu persatu ratusan atau ribuan data. Maka dari itu kita membutuhkan method yang dikerjakan oleh python dalam pa

Cara Mengatasi Hang/Freeze Pada Laptop Asus TUF Gaming

  Ada beberapa kendala ketika membeli laptop. Seperti ada aplikasi yang tidak kompaktibel, ada yang hardwarenya crashed, dan bahkan memang harus dibawa ke manufakturnya untuk diktukar karena ada barang yang kita beli adalah miss saat quality control Terlepas dari semua kendala tersebut. Saya akan memberikan sekedar solusi yang bisa menjadi manfaat jika permasalahan itu sama dengan kalian. Yaitu, laptop yang suka freeze, hang, saat kita operasikan Sedikit Cerita Saya belum ada setahun menggunakan laptop Asus varian Tuf Gaming ini. Namun saat beberapa minggu pertama saya mencobanya, ada beberapa kendala yaitu laptop sering hang dan freeze tanpa sebab. Ini terjadi secara tiba tiba. Dan seumpamam saya bawa lagi ke outlet laptop ini berasal, saya gak bisa memberikan alasan yang jelas kenapa laptop ini bisa freeze dan hang. Karena memang terjadi tiba tiba saja.  Hingga beberapa bulan selanjutnya, laptop ini semakin sering hang. Baru beberapa menit dipakai freeze, saya force shut down lewat t

Kupas Tuntas Seputar Agile Dan Contoh Penerapannya

  Startup, perusahaan digital, atau bahkan programmer yang sedang melayani clientnnya untuk mengerjakan sebuah aplikasi memiliki metode.  Metode ini menjadi panduan baku yang kerap digunakan dimananpun dalam pengemabangan produk digital Lebih mudahnya saat kita membangun aplikasi mobile. Kita akan mempelajari bahasa pemograman apa saja yang dibutuhkan, juga serba serbi framework dan tool yang memudahkan segala prosesnya Metode yang baru saja saya ceritakan diatas dinamakan Agile . Sedangkan project yang menerapkan konsep tersebut dinamakan, Agile Project Apa Itu Agile dan Agile Project? Menurut Wikipedia .  Sekumpulan praktek yang bertujuan untuk menaikkan keefeketifan pengembangan suatu aplikasi secara profesional, tim dan terorganisir. Agile melibatkan pengembangan solusi melalui usaha secara kolaboratif dari sifat yang sudah terorganisir, fungsionalitas dan pelanggan Metode ini sangat mengandalkan kolaborasi. Mulai dari para engineer hingga product manager, semuanya harus melalui s