/ r

Twitter Mining with R : Tweet Analysis, Bagian 3

Pada post sebelumnya di Twitter Mining with R : Tweet Analysis, Bagian 2, saya sudah mencoba untuk melakukan Text Cleaning untuk dataset yang ada. Selanjutnya, pada bagian ini saya akan mencoba membuat statistik term frequency dan juga membuat wordcloud dari term document frequency.

Statistik Terms Frequency

Sebelumnya, saya memiliki variabel tdm yang merupakan term document frequency. Nah, untuk membuat plot statistik frekuensi term saya menggunakan ggplot2, terlebih dahulu install paket ggplot2 dengan perintah install.package("ggplot2") di RStudio. Kemudian, setelah terpasang saya membuat grafik dengan kode seperti berikut :

library(ggplot2)
term.freq <- rowSums(as.matrix(tdm))
term.freq <- subset(term.freq, term.freq >= 5)
df <- data.frame(term = names(term.freq), freq = term.freq)
ggplot(df, aes(x=term, y=freq)) + geom_bar(stat="identity") +
xlab("Terms") + ylab("Count") + coord_flip() +
theme(axis.text=element_text(size=7))

Inti dari kode tersebut adalah membuat grafik bar dengan sumbu x berupa term, dan sumbu y berupa frekuensi dengan ketentuan frekeunsi yang ditampilkan adalah term.freq >= 5. Sehingga, akan dihasilkan grafik sebagai berikut :
Statistik Terms Frequency

Dari grafik tersebut saya dapat mengetahui term apa saja yang banyak muncul dari tweet @RadioElshinta.

Wordcloud

Sekarang saya akan mencoba membuat wordcloud dari tweet @RadioElshinta. Untuk membuat wordcloud saya gunakan library RColorBrewer, maka install dahulu paket jika belum tersedia dengan perintah install.package("RColorBrewer"). Setelah itu, saya mencoba membuat wordcloud dengan kode :

library(RColorBrewer)
library(wordcloud)
m <- as.matrix(tdm)
word.freq <- sort(
    rowSums(m),
    decreasing = T
)
pal <- brewer.pal(9, "BuGn")[-(1:4)]
# plot word cloud
wordcloud(
    words = names(word.freq),
    freq = word.freq,
    min.freq = 3,
    random.order = F,
    colors = pal
)

word.freq <- sort(rowSums(m),decreasing = T) bermaksud menghitung frequency tiap term, lalu diurutkan descending. Kode ini membuat wordcloud dengan frekuensi term minimal adalah 3. Hasil dari eksekusinya adalah sebagai berikut.
Wordcloud

Itulah wordcloud dan grafik frekuensi term yang telah dibuat, menarik bukan? Selanjutnya, jika memungkinkan saya akan mencoba membuat analisis lebih lanjut, misal seperti sentiment analysis, dan lain-lain. Selamat mencoba!