Read Data

insta_comment <- read_excel("datasets/comments.xlsx")

str(insta_comment)

#> tibble [569 × 2] (S3: tbl_df/tbl/data.frame)
#>  $ name   : chr [1:569] "zuper_boyz182" "f.riedmueller" "effolseg.co.promotion56" "kejumozzarela" ...
#>  $ comment: chr [1:569] "👆👆👆#gemahripahlohjinawi kunci sukses ekonomi indonesia di masa revolusi industri yg terbarukan" "Hi👑" "Teruntuk anak ku jika suatu saat kamu membaca komen ini. Nak Bapak mu pernah berjuang Menjual F0LL0W3RS Mur4h🌈"| __truncated__ "Jadi sungkan mau promo." ...

Data yang akan kita gunakan hanya kolom comment saja, karena username sifat nya privasi. Jadi kita akan mencoba untuk men-take out variable username.

dim(insta_comment)

#> [1] 569   2

Total Data yang kita miliki ada 569 baris.

Data Pre-Processing

Disini kita akan mencoba untuk membersihkan data komentar Akun Instagram Bapak Presiden Jokowi yang di ambil pada salah satu postingan nya dan mengubah nya ke dalam bentuk yang terstruktur (memisahkan setiap kalimat menjadi beberapa kata agar dapat di mengerti oleh komputer)

cleaning_pipeline <- function(tw) {
   # remove username column
    tw_ec <- tw %>% 
      select("comment")
    # replace html & url
    tw_ec_clean <- tw_ec %>% 
      mutate(comment = replace_html(comment)) %>% 
      mutate(comment = replace_url(comment))
    
    # replace emoticons dan emojis
    tw_ec_clean <- tw_ec_clean %>%
      mutate(comment = replace_html(replace_emoji(comment)))
    
    # replace mentions and hashtags
    tw_ec_clean <- tw_ec_clean %>% 
      mutate(comment = replace_tag(comment, pattern = "@([A-Za-z0-9_]+)",replacement="")) %>%  # remove mentions
      mutate(comment = replace_hash(comment, pattern = "#([A-Za-z0-9_]+)",replacement="")) # remove hashtag
    
    # replace slang word
    slang_word <- read.csv("../lexicon.csv")
    
    tw_ec_clean <- tw_ec_clean %>% 
      mutate(comment = replace_internet_slang(comment, slang = paste0("\\b",
                                                                  slang_word$slang, "\\b"),
                                            replacement = slang_word$formal, ignore.case = TRUE))
    
    
    # text stripping
    tw_ec_clean <- tw_ec_clean %>% 
      mutate(comment = strip(comment))
    
    tw_ec_clean <- tw_ec_clean %>% 
      mutate(comment = str_trim(comment, "both"))
    
      
    # change capital to lower case
    tw_ec_clean <- tw_ec_clean %>% 
      mutate(comment = str_to_lower(comment))
  
    
    # stemming, tokenizing and word cloud creation
    stemming <- function(x){
      paste(lapply(x,katadasar),collapse = " ")}
    
    tw_ec_clean <- tw_ec_clean %>% 
      mutate(comment = lapply(tokenize_words(comment),  stemming))
  }

Disini saya sudah mendefinisikan fungsi cleaning_pipeline dengan tujuan agar dapat melakukan pembersihan data text secara berulang dengan mudah jika di butuhkan pada bagian code yang lain.

Pada fungsi diatas kita melakukan serangkaian data pre-processing / data cleaning terhadap data komentar yang kita miliki. Fungsi di atas meliputi proses : - replace_html : berfungsi untuk menghilangkan elemen / tag html pada text, biasa nya di temukan setelah kita mencoba untuk menghilangkan emoji dengan fungsi replace_emoji. Secara otomatis setiap emoji yang akan di coba hilangkan akan berubah menjadi tag html. sehingga kita membutuhkan fungsi replace_html untuk menghilangkan tag html tersebut. Contoh <90>, nah tag html yang di hasil kan oleh emoji kurang lebih seperti itu, oleh karna nya kita membutuhkan replace_html untuk menghilangkan nya.

• replace_url : berfungsi untuk menghilangkan URL yang terdapat pada text.
• replace_emoji : berfungsi untuk menghilangkan emoji pada text.
• replace_tag : berfungsi untuk menghilangkan tag pada text, seperti @username.
• replace_hash : berfungsi untuk menghilangkan hash atau tagar pada text, seperti #highvaluemale
• replace_internet_slang : berfungsi untuk menghilangkan kata-kata slang. Misal nya pada bahasa Indonesia (met => selamat, ka => kakak dan lain sebagainya). Kita akan menambahkan lexicon atau kamus Bahasa Indonesia karena kita akan membersihkan slang word pada Bahasa Indonesia
• strip : berfungsi untuk menghilangkan simbol-simbol yang tidak relavan pada text. Misalnya (pakai BPJS… Giliran), tanda titik di balakang kata BPJS akan di hilangkan menjadi (pakai bpjs giliran).
• str_trim : berfungsi menghilangkan whitespace / spasi pada awal dan akhir kalimat.
• str_to_lower : berfungsi mengubah text huruf besar menjadi huruf kecil.
• stemming : berfungsi untuk mengubah kata menjadi kata dasar nya. Misal nya membenarkan / pembenaran akan di ubah menjadi benar.

sekarang kita bisa menggunakan Function cleaning_pipeline untuk melakuakn Data Pre-Processing terhadap kolom comment

clean_insta_comment <- cleaning_pipeline(insta_comment)

head(clean_insta_comment[[1]], 1)

#> [[1]]
#> [1] "backhand index pointing up backhand index pointing up backhand index pointing up kunci sukses ekonomi indonesia di masa revolusi industri yang baru"

Dapat kita lihat di atas bahwa emoji yang di ubah oleh fungsi replace_emoji menjadi kata-kata CLDR Short Name nya yakni backhand, index, pointing up dan sebagai nya. Oleh karena itu alangkah baik nya jika kita menghilangkan kata-kata tersebut agar tidak memengaruhi hasil analisa sentimen nantinya.

idStopWordsTwo <- readLines("../stopword_id.txt")
emojiStopword <- readLines("datasets/emojiStopword.txt")

clean_insta_comment_corpus <- VCorpus(VectorSource(clean_insta_comment$comment))
clean_insta_comment_corpus <- tm_map(clean_insta_comment_corpus, removeWords, idStopWordsTwo)
clean_insta_comment_corpus <- tm_map(clean_insta_comment_corpus, removeWords, emojiStopword)
clean_insta_comment_corpus <- tm_map(clean_insta_comment_corpus, stripWhitespace)

content(clean_insta_comment_corpus[[1]])

#> [1] " kunci sukses ekonomi indonesia revolusi industri "

Disini seperti yang kita lihat diatas. CLDR Short Name dari emoji nya sudah di hilangkan. Kita memanfaatkan fungsi tm_map untuk menghilangkan setiap kata-kata emoji / CLDR Short Name yang kita temui pada text comment. Tetapi sebelum itu kita mencoba untuk membuat kolom comment menjadi bentuk Corpus, sehingga setiap observasi nya berbentuk Document dengan memanfaatkan fungsi VCorpus dan VectorSource. Lalu disini saya sudah menyiapkan kumpulan CLDR Short Name dari setiap Emoji serta Stopword (kata umum yang tidak memberikan informasi penting) bahasa Indonesia. Dengan memanfaatkan fungsi tm_map dengan parameter removeWords kita sudah bisa menghilangkan kata-kata emoji dan stopword nya. Terakhir kita menggunakan stripWhitespace untuk menghapus whitespace atau spasi di setiap kalimat.

Convert kembali Corpus ke Data Frame

clean_insta_comment_df <- data.frame(comment=unlist(sapply(clean_insta_comment_corpus, `[`, "content")), 
    stringsAsFactors=F)

clean_insta_comment_df <- clean_insta_comment_df %>% 
    mutate(comment = str_trim(comment, "both"))

rownames(clean_insta_comment_df) <- NULL

Setelah data sudah di bersihkan, kita bisa mengembalikan text comment dalam bentuk corpus ke dalam bentuk Data Frame. Memanfaatkan fungsi sapply kita akan mengubah list comment sebagai input dan output yang akan kita dapatkan adalah vector, dari vector tersebut kita akan mencoba untuk mengubah nya ke dalam bentuk Data Frame.

clean_insta_comment_df <- data.frame(comment=unlist(sapply(clean_insta_comment_corpus, `[`, "content")), 
    stringsAsFactors=F)

# hapus spasi pada awal dan akhir setiap text comment 
clean_insta_comment_df <- clean_insta_comment_df %>% 
    mutate(comment = str_trim(comment, "both"))

head(clean_insta_comment_df)

#>                                                                                                                                                                                                                                                                                                                                                                                                            comment
#> 1.content                                                                                                                                                                                                                                                                                                                                                         kunci sukses ekonomi indonesia revolusi industri
#> 2.content                                                                                                                                                                                                                                                                                                                                                                                                        h
#> 3.content                                                                                                                                                                                                                                                                                            anak ku baca komen nak mu juang jual f ll w rs mur h igtiktokshoppedll bantu beli ya kakak ganteng nan cantik
#> 4.content                                                                                                                                                                                                                                                                                                                                                                                            sungkan promo
#> 5.content presiden tulus jujur bangun indonesia pilih kasih anak indonesia timur terima kasih dek peduli adil maju timur indonesia sayang periode sungguh bangga presiden jokowi bangga anak indonesia presiden dunia globe showing asiaaustralia bangga dunia hormat harga dedikasi integritas jujuran berani sederhana kerendahhatianmu pandai loyalitas sehatsehat dek tuhan berkat presiden keluarga amin suit
#> 6.content                                                                                                                                                                                                                                                                                                          kulo asli blora pakalhamdulillah jl raya prov ds candi pasar todanan bagus banget latih gastrek

Rownames dari data frame kita masih terlihat aneh dan tidak informatif. Mari kita hilangkan rownames nya.

rownames(clean_insta_comment_df) <- NULL
head(clean_insta_comment_df)

#>                                                                                                                                                                                                                                                                                                                                                                                                    comment
#> 1                                                                                                                                                                                                                                                                                                                                                         kunci sukses ekonomi indonesia revolusi industri
#> 2                                                                                                                                                                                                                                                                                                                                                                                                        h
#> 3                                                                                                                                                                                                                                                                                            anak ku baca komen nak mu juang jual f ll w rs mur h igtiktokshoppedll bantu beli ya kakak ganteng nan cantik
#> 4                                                                                                                                                                                                                                                                                                                                                                                            sungkan promo
#> 5 presiden tulus jujur bangun indonesia pilih kasih anak indonesia timur terima kasih dek peduli adil maju timur indonesia sayang periode sungguh bangga presiden jokowi bangga anak indonesia presiden dunia globe showing asiaaustralia bangga dunia hormat harga dedikasi integritas jujuran berani sederhana kerendahhatianmu pandai loyalitas sehatsehat dek tuhan berkat presiden keluarga amin suit
#> 6                                                                                                                                                                                                                                                                                                          kulo asli blora pakalhamdulillah jl raya prov ds candi pasar todanan bagus banget latih gastrek

Tujuan kita melakukan perubahan Corpus ke Data Frame adalah untuk melakukan tokenization atau pemisahan kalimat menjadi beberapa kata-kata. Kita membutuhkan tokenization agar mempermudah kita di dalam melakukan analisa sentimen menggunakan pendekatan berbasis Lexicon.

Load NRC Lexicon by Saif Mohammad berbahasa Indonesia

senti_id_word <- read.csv("nrc_lexicon_en_id.csv")
senti_id_word <- senti_id_word %>% 
  rename("Indonesia" = "Indonesian..id.") %>% 
  select(-English..en....1)

head(senti_id_word)

#>   X    Indonesia Anticipation Fear Sadness Trust Anger Disgust Joy Surprise
#> 1 1      kembali            0    0       0     0     0       0   0        0
#> 2 2       sempoa            0    0       0     1     0       0   0        0
#> 3 3  mengabaikan            0    1       1     0     0       0   0        0
#> 4 4 ditinggalkan            0    1       1     0     1       0   0        0
#> 5 5 ditinggalkan            0    1       1     0     1       0   0        1
#> 6 6       mereda            0    0       0     0     0       0   0        0
#>   Positive Negative
#> 1        0        0
#> 2        0        0
#> 3        0        1
#> 4        0        1
#> 5        0        1
#> 6        0        0

Pada NRC Lexicon diatas, sudah tersedia klasifikasi kata-kata yang meliputi Emotion Classification dan Positve & Negative Classfiication sebanyak 14.182 kata.

Mari kita lakukan

insta_clean_tidy <- DocumentTermMatrix(clean_insta_comment_corpus)

Disini kita mencoba untuk mengubah text comment kita yang tadinya berbentuk Data Frame menjadi DocumentTermMatrix. DTM adalah adalah proses dimana kita mengubah text menjadi beberapa term (kata-kata) dengan frekuensi dari setiap kata-kata tersebut. DTM berada pada level Document yang artinya memecah kata-kata dari suatu kalimat per observasi atau baris nya.

insta_clean_tidy <- tidy(insta_clean_tidy)

Untuk mendapatkan tampilan yang lebih rapi, kita menggunakan fungsi tidy() yang otomatis mengubah DTM ke dalam bentuk tibble. Tibble sendiri sama seperti Data Frame cuman terdapat beberapa method khusus yang dapat kita gunakan pada format data tibble.

insta_clean_tidy_sentimen <- 
  inner_join(insta_clean_tidy, senti_id_word, by = c("term" = "Indonesia")) %>% 
  select(term, Positive, Negative) %>% 
  mutate(polarity = Positive - Negative,
         label = ifelse(polarity < 0, "negatif", "positif"))

Sekarang kita akan melakukan analisa sentimen dengan fungsi inner_join. Jadi setiap kata-kata yang sama dengan kata-kata yang terdapat pada NRC Lexicon nya akan otomatis di klasifikasi kan apakah masuk ke dalam kategori Positve atau Negatif. Setelah menklasifikasikan kan kata-kata yang termasuk ke dalam Positif dan Negatif. Kita akan melakukan Scoring dengan mengurangi total kata positif dan negatif pada setiap observasi atau baris komentar nya. Jika lebih kecil dari 0 atau maka negatif, jika lebih besar dari 0 maka positif dan jika 0 maka netral.

# Plot
ggplot(
  insta_clean_tidy_sentimen[1:100,], 
  aes(reorder(term, polarity), polarity, fill = label)
) +
  geom_bar(stat = "identity") + 
  ggtitle("Sentiment Word Frequency Positive, Netral & Negatif") + 
  theme_gdocs() +
  labs(x = "Words", y = "Polarity") +
  theme(axis.text.x = element_text(angle = 90, vjust = -0.1))

Disini kita mencoba untuk memvisulisasikan kata-kata positif, netral dan negatif menggunakan bar plot. Terlihat kata yang menjulang ke atas atau berwarna biru dengan score diatas 0 adalah kata positif dan kata yang menjulang ke bawah dengan score di bawah 0 adalah kata negatif.

senti_analyze <- clean_insta_comment_df %>%
  mutate(linenumber = row_number()) %>% #line number for later sentence grouping 
  unnest_tokens(word, comment) %>% 
  inner_join(senti_id_word, by = c("word" = "Indonesia")) %>%
  group_by(linenumber) %>% #group by for sentence polarity
    summarise(sentiment = sum(Positive - Negative)) %>% # final sentence polarity from words
    left_join(
    clean_insta_comment_df %>%
    mutate(linenumber = row_number()) #get the actual text next to the sentiment value
  ) 

senti_analyze_label <- senti_analyze %>% 
  mutate(label = case_when(sentiment < 0 ~ "negatif",
                           sentiment > 0 ~"positif",
                           TRUE ~ "netral"))

head(senti_analyze)

#> # A tibble: 6 × 3
#>   linenumber sentiment comment                                                  
#>        <int>     <int> <chr>                                                    
#> 1          1         0 kunci sukses ekonomi indonesia revolusi industri         
#> 2          3         4 anak ku baca komen nak mu juang jual f ll w rs mur h igt…
#> 3          5        31 presiden tulus jujur bangun indonesia pilih kasih anak i…
#> 4          6         2 kulo asli blora pakalhamdulillah jl raya prov ds candi p…
#> 5          7        -1 bendung lupa impor                                       
#> 6          8         0 tunggu gerbang temuin

Di atas kembali kita melakukan analisa sentimen dengan fungsi inner_join. Yang berbeda disini kita melakukan left join yang artinya kita akan mengembalikan semua hasil sentimen positif dan negatif pada tabel sebelah kiri (clean_insta_comment_df) lalu mencari matching row atau baris yang sama dengan tabel kanan (clean_insta_comment_df sebelum inner join) dengan kolom linenumber sebagai key column nya. Di dapatkan lah kolom comment yang utuh dengan hasil sentimen nya.

Berdasarkan hasil sentimen diatas, kita juga dapat melihat proporsi kelas Positif, Netral dan Negatif nya menggunakan Pie Chart

# Data transformation
df <- senti_analyze_label %>% 
  group_by(label) %>% # Variable to be transformed
  count() %>% 
  ungroup() %>% 
  mutate(perc = `n` / sum(`n`)) %>% 
  arrange(perc) %>%
  mutate(labels = scales::percent(perc))

pie <- ggplot(df, aes(x = "", y = perc, fill = label)) +
  geom_col(color = "black") +
  geom_label(aes(label = labels), color = c("white", "white", "white"),
            position = position_stack(vjust = 0.5),
            show.legend = FALSE) +
  guides(fill = guide_legend(title = "Komentar")) +
  scale_fill_viridis_d() +
  coord_polar(theta = "y") + 
  theme_void()

pie + scale_fill_manual(values=c("#990000", "#024ebf", "#00a110")) 

Dengan melakukan aggregasi atau perhitungan berdasarkan setiap label nya, didapatkan lah persentasi setiap label nya. Disini dapat kita simpulkan komentar yang paling banyak adalah komentar Positif dan Netral. Ini masuk akal jika mengingat data komentar yang kita ambil berasal dari akun Instagram Bapak Presiden Jokowi yang notaben merupakan orang nomor satu di Indonesia. Sehingga di dalam berkomentar negatif pun para netizen bisa berpikir dua kali, karena resiko nya yang besar.

Berikut gambar persebaran atau distribusi dari setiap label kata-kata positif, netral dan negatif menggunakan density dan histogram serta line plot. Pad histogram diatas dapat kita lihat keseluruhan komentar cendrung banyak di klasifikasi kan ke dalam label positif dan netral. Kita dapat melihat apakah klasifikasi sentimen score nya sudah cukup akurat apa belum dengan melihat data komentar yang telah di lakukan sentimen scoring.

senti_analyze_label %>% 
  filter(label == "positif") %>% 
  select(label, comment) %>% 
  head(10)

#> # A tibble: 10 × 2
#>    label   comment                                                              
#>    <chr>   <chr>                                                                
#>  1 positif anak ku baca komen nak mu juang jual f ll w rs mur h igtiktokshopped…
#>  2 positif presiden tulus jujur bangun indonesia pilih kasih anak indonesia tim…
#>  3 positif kulo asli blora pakalhamdulillah jl raya prov ds candi pasar todanan…
#>  4 positif keren                                                                
#>  5 positif terimakasih presiden jokowi sukses gubernur jateng ganjar pranowo tu…
#>  6 positif sehat                                                                
#>  7 positif pacar sambung hotspot teman putus                                    
#>  8 positif sehat jokowi                                                         
#>  9 positif selamat malam moga sehat                                             
#> 10 positif sok proud you sok much mr president jujur bangga best president bp p…

senti_analyze_label %>% 
  filter(label == "netral") %>% 
  select(label, comment) %>% 
  head(10)

#> # A tibble: 10 × 2
#>    label  comment                                                   
#>    <chr>  <chr>                                                     
#>  1 netral kunci sukses ekonomi indonesia revolusi industri          
#>  2 netral tunggu gerbang temuin                                     
#>  3 netral pesan ayam kodok dapur mama naga                          
#>  4 netral bantu beli beras                                          
#>  5 netral loker                                                     
#>  6 netral jokowi tolong wanita jual belikan bal pengin pulang larang
#>  7 netral salam bal pakdee ku                                       
#>  8 netral bendung desa kalinanas wes rampung                        
#>  9 netral sumber katahanan pangan air                               
#> 10 netral wisata gunung kemungkus

senti_analyze_label %>% 
  filter(label == "negatif") %>% 
  select(label, comment) %>% 
  head(10)

#> # A tibble: 10 × 2
#>    label   comment                                                              
#>    <chr>   <chr>                                                                
#>  1 negatif bendung lupa impor                                                   
#>  2 negatif jokowi nge slot kalah ya                                             
#>  3 negatif presiden tolong jual belikan bal harga murah larang pulng            
#>  4 negatif petan kampung jual beras harga turun pakenggak banding biaya sawah   
#>  5 negatif kawasan tandusya kemarau kering                                      
#>  6 negatif jalan batas                                                          
#>  7 negatif tolong lihat jalan kabupaten tasik sungai kering batu batu mohon ban…
#>  8 negatif moga harga minyak turun sembako turun pusing emak bagibagi gajih sua…
#>  9 negatif assalamualaikum aspal jalan raya m rusak ampun jeneng damelke aspal …
#> 10 negatif sayange kulo wing sakit ra biso lihat jenegan

Jika dilihat dari contoh komentar dengan ketiga label positif, negatif dan netral diatas. Kita sudah cukup baik melakukan klasifikasi dengan pendeketan Lexicon. Setiap komentar dengan masing-masing label terlihat sesuai dengan realita nya. Kalimat Positif banyak berasal dari kata-kata tulus, jujur, terima kasih, selamat dan sebagainya. Sedangkan kata-kata negatif banyak berasal dari kata-kata tolong, turun harga minyak goreng sembako, jalan rusak dan sebagai nya. Begitu pun dengan yang label netral.

insta_count <- insta_clean_tidy %>% 
  count(document)

insta_join_count <- inner_join(insta_clean_tidy, insta_count) %>% 
  select(document, n, term)

Sekarang kita akan coba untuk melakukan analisa terkait effort (usaha penulis di dalam menulis komentar panjang atau pendek nya) dan polarity (scoring sentimen). Tujuan nya adalah untuk mengatahui apakah korelasi atau hubungan panjang atau pendek komentar yang di tulis user dengan score sentimen yang di dapat. Apakah semakin panjang komentar yang di tulis semakin positif atau semakin pendek komentar yang di tulis maka semakin negetif kata-kata nya. Insight yang bisa kita dapatkan dari sini ialah interaktifitas dari netizen yang berkomentar. Karena jika semakin panjang komentar yang di tulis lalu semakin positif score sentimen nya, itu artinya user yang berkomentar berkemungkinan besar memberikan saran dan masukan di samping kata-kata yang positif.

pos_neg_with_effort <- inner_join(insta_join_count, senti_id_word, by = c("term" = "Indonesia")) %>% 
  group_by(document, term) %>% 
  summarise(sentiment = sum(Positive - Negative)) %>% 
  left_join(insta_join_count)

pos_neg_pol <- pos_neg_with_effort %>%
  mutate(
    pol = ifelse(
      sentiment >= 0, 
      "Positive", 
      "Negative"
    )
  )

Setelah kita menghitung kata-kata di setiap komentar nya dengan fungsi count, kita kembali melakukan join sesuai dengan nomor document nya agar dapat di hitung sentimen score nya.

# Plot
ggplot(
  pos_neg_pol, 
  aes(sentiment, n, color = pol)
) + 
  geom_point(alpha = 0.25) +
  geom_smooth(method = "lm", se = FALSE) +
  theme_gdocs() +
  ggtitle("Relationship between word effort & polarity")

Terlihat pada plot scatter diatas. Rata-rata komentar yang panjang memiliki sentimen score yang tinggi. Tetapi disini bisa kita lihat komentar yang pendek lebih mendominasi dan sentimen score yang di peroleh juga semakin kecil. Itu artinya rata-rata netizen yang berkomentar cendrung tidak terlalu interaktif karena lebih banyak berkomentar secara singkat. Untuk komentar yang negatif berbanding terbalik dengan yang positif walaupun sama-sama di dominasi oleh komentar yang pendek. Tetai disini yang menarik ialah semakin panjang komentar negatif yang di tulis maka sentime score nya semakin besar. Ini masuk akal jika kita mengingat keluh kesah rakyat Indonesia kepada Bapak Presiden Jokowi. Mulai dari kenaikan harga minyak, kerusakan jalan dan sebagainya.

Sekarang mari kita coba untuk memvisualisasikan frekuensi komparasi kata-kata positif dengan negatif menggunakan WordCloud

pol_subsections <- function(df) {
  x.pos <- subset(df$comment, df$sentiment > 0)
  x.neg <- subset(df$comment, df$sentiment < 0)
  x.pos <- paste(x.pos, collapse = " ")
  x.neg <- paste(x.neg, collapse = " ")
  all.terms <- c(x.pos, x.neg)
  return(all.terms)
}

Disini saya sudah mendefinisikan fungsi pol_subsections dengan tujuan untuk menggabungkan komentar dengan sentimen score diatas 0 (positif) dan komentar dengan sentimen score di bawah 0 (negatif). Lalu kita gabungkan dengan fungsi paste().

# Custom function
all_terms <- pol_subsections(senti_analyze_label)

# Make a corpus
all_corpus <- all_terms %>%
  VectorSource() %>% 
  VCorpus()
# Basic TDM
all_tdm <- TermDocumentMatrix(
  all_corpus
) %>%
  as.matrix() %>%
  set_colnames(c("positive", "negative"))
# Make a comparison cloud
comparison.cloud(
  all_tdm,
  max.words = 50,
  colors = c("darkgreen", "darkred")
)

Dengan memanfaatkan fungsi comparison.cloud, kita dapat membandingkan kata-kata positif ataupun negatif. Tetapi sebelum itu kita wajib untuk mengubah data text kita ke dalam TermDocumentMatrix (TDM) agar dapat di hitung setiap frekuensi kata-kata negatif ataupun positif nya. Kata-kata positif banyak berasal dari kata Sehat. Ini artinya banyak yang mendoakan Bapak Presiden Jokowi. Sementar kata-kata negatif berasal dari kata-kata biaya, mohon dan sebagainya. Ini dapat kita kaitkan dengan biaya atau harga minyak goreng yang mahal di masa sekarang sehingga banyak masyarakat yang memohon untuk di turunkan terkait harga minyak goreng nya.

Sekarang kita akan mencoba untuk mengklasifikasi kan emosi yang terkandung pada setiap kata-kata positif ataupun negatif yang telah kita miliki.

sentiment_emotion_3 <- clean_insta_comment_df %>%
  unnest_tokens(word, comment) %>% 
  inner_join(senti_id_word, by = c("word" = "Indonesia")) %>% 
  select(-X) 

head(sentiment_emotion_3)

#>       word Anticipation Fear Sadness Trust Anger Disgust Joy Surprise Positive
#> 1    kunci            0    0       0     0     0       0   0        0        0
#> 2    kunci            0    0       0     0     0       0   0        0        0
#> 3   sukses            1    0       0     1     0       0   1        0        1
#> 4  ekonomi            0    0       0     0     0       0   0        0        0
#> 5  ekonomi            0    0       0     1     0       0   0        0        0
#> 6 revolusi            1    1       1     0     1       0   0        1        1
#>   Negative
#> 1        0
#> 2        1
#> 3        0
#> 4        0
#> 5        0
#> 6        1

Diatas kita kembali melakukan analisa sentimen dengan mengklasifikasikan kata-kata setiap observasi nya ke dalam Emotion Classification. Total terdepat jenis emosi premier. Diambil dari konsep Plutchik’s wheel of emotions. Dimana memiliki 8 emosi utama / premier. Karena dari 8 emosi ini memiliki turunan nya masing-masing. Semakin kontras warna nya semakin kuat emosi nya dan semakin pudar warna nya semakin rendah emosi nya.

senti_pos <- sentiment_emotion_3 %>% filter(Positive == 1) %>%
  select("Anticipation",
         "Fear",
         "Sadness",
         "Trust",
         "Anger",
         "Disgust",
         "Joy",
         "Surprise")
senti_pos <- pivot_longer(
  senti_pos,
  c(
    "Anticipation",
    "Fear",
    "Sadness",
    "Trust",
    "Anger",
    "Disgust",
    "Joy",
    "Surprise"
  ),
  names_to = "emotion",
  values_to = "count"
)


senti_neg <- sentiment_emotion_3 %>% filter(Negative == 1) %>% 
  select("Anticipation",
         "Fear",
         "Sadness",
         "Trust",
         "Anger",
         "Disgust",
         "Joy",
         "Surprise")
senti_neg <- pivot_longer(
  senti_neg,
  c(
    "Anticipation",
    "Fear",
    "Sadness",
    "Trust",
    "Anger",
    "Disgust",
    "Joy",
    "Surprise"
  ),
  names_to = "emotion",
  values_to = "count"
)

head(senti_neg, 10)

#> # A tibble: 10 × 2
#>    emotion      count
#>    <chr>        <int>
#>  1 Anticipation     0
#>  2 Fear             0
#>  3 Sadness          0
#>  4 Trust            0
#>  5 Anger            0
#>  6 Disgust          0
#>  7 Joy              0
#>  8 Surprise         0
#>  9 Anticipation     1
#> 10 Fear             1

Kita ubah menjadi bentuk long format agar mudah di kalkulasi kan menggunkan fungsi sum()

sentiment_pos_emotion_agg <- senti_pos %>% 
  group_by(emotion) %>% 
  summarize(total_count = sum(count)) %>% 
  mutate(label = "positif")

sentiment_neg_emotion_agg <- senti_neg %>% 
  group_by(emotion) %>% 
  summarize(total_count = sum(count))  %>% 
  mutate(label = "negatif")

Aggregasikan menggunakan fungsi sum dan jangan lupa untu mengelompokkan nya dengan fungsi group_by berdasarkan kolom emotion

join_pos_neg <- rbind(sentiment_pos_emotion_agg, sentiment_neg_emotion_agg)

scores <- join_pos_neg %>% 
  spread(label, total_count)

chartJSRadar(scores)

Kita akan menggabungkan aggregasi kata-kata positif dengan negatif menggunakan rbind. Dan setelah itu kita akan mencoba untuk spread atau mengubah bentuk kolom nya menjadi wide format berdasarkan kolom label dan total_count. Terakhir tinggal panggil fungsi chartJSRadar dari package radarchart. Dapat kita simpulkan emosi yang mendominasi pada kata-kata positif ialah trust atau kepercayaan. Ini artinya banyak rakyat yang menanamkan kepercayaan kepada Bapak Presiden Jokowi. Disamping itu untuk kata-kata negatif nya banyak berasal dari Fear dan Sadness atau ketakutan dan kesedihan. Ini bisa kita artikan sebagai bentuk ketakutan masyarakat terhadap permasalahan negara. Contoh nya seperti harga minya goreng yang kiat meningkat, jalan rusak, air bersih dan sebagainya.

Berikut contoh emotion classification nya menggunakan word cloud. Jadi bisa lebih jelas kata-kata apa saja yang termasuk ke dalam klasifikasi emosi tertentu.