Text Mining : Review Eiffel Tower Based on TripAdvisor using R

Assalamualaikum Wr. Wb.

hai data enthusiast!

Siapa nih yang pengen banget liburan ke Paris? kemana lagi kalo bukan ke Eiffel Tower? bahkan Eiffel Tower dinobatkan sebagai tempat wisata terbaik dunia kedua versi TripAdvisor loh temen — temen. Tapi, sebelum kita kesana, yuk kita lihat terlebih dahulu review dari wisatawan yang udah dateng kesana, kira — kira masih recommended untuk didatangi wisatawan nggak yaa? oleh karena itu, kali ini kita akan melakukan text mining menggunakan Aplikasi R. Text mining adalah proses ekstraksi pola berupa informasi dan pengetahuan yang berguna dari sejumlah besar sumber data.

Langsung kita mulai aja yaa, hal yang dibutuhkan yaitu aplikasi SelectorGadget dan aplikasi R Studio. Pertama, tentukan data yang akan digunakan. Kali ini, saya akan mengambil data dari web TripAdvisor tentang review tempat wisata Eiffel Tower, Prancis.

Selanjutnya, buka aplikasi R Studio dan install package berikut.

install.packages(xml2)
install.packages(rvest)
install.packages(tm)
install.packages(SnowballC)
install.packages(wordcloud)
install.packages(RColorBrewer)
install.packages(stringr)
library(xml2)
library(rvest)
library(tm)
library(SnowballC)
library(wordcloud)
library(RColorBrewer)
library(stringr)

Kemudian, copy — paste link yang akan dilakukan scraping kemudian input data menggunakan syntax berikut.

eiffel <- read_html("https://www.tripadvisor.com/Attraction_Review-g187147-d188151-Reviews-Eiffel_Tower-Paris_Ile_de_France.html")
eiffel

Apabila berhasil, maka akan muncul output sebagai berikut,

Selanjutnya, klik SelectorGadget dan sorot salah satu komentar pada tampilan website

Lalu masukkan syntax letak review text kedalam R,

review<-html_nodes(eiffel,".cPQsENeY")
reviewtext<-html_text(review)
reviewtext

Maka akan muncul output sebagai berikut,

Selanjutnya, simpan data dalam csv menggunakan syntax berikut.

write.csv(reviewtext,"C:\\SEM 5\\BIML\\reviewtexteiffel.csv")

Buka file csv pada direktori yang sudah ditentukan, lalu hapus baris yang tidak memuat data yaitu baris pertama. Kemudian save menggunakan ctrl+s.

Selanjutnya, panggil kembali data csv yang sudah dibersihkan kedalam R,

dokumen<-readLines("C:\\SEM 5\\BIML\\reviewtexteiffel.csv")
dokumen

maka akan muncul output sebagai berikut,

Lalu, buatlah Corpus dan str untuk data tersebut

dokumen <- VCorpus(VectorSource(dokumen)) 
dokumen  
str(dokumen)

maka akan muncul output sebagai berikut,

Kemudian, buatlah matriks kata — kata yang terteda pada dokumen dengan menggunakan syntax berikut

dokumenDTM<-DocumentTermMatrix(dokumen,control=list(tolower=TRUE,
                                                    removeNumbers=TRUE,
                                                    stopwords=TRUE,
                                                    removePunctuation=TRUE,
                                                    stemming=TRUE))
dokumenDTM

Maka akan muncul output sebagai berikut,

Dapat dilihat berdasarkan data tersebut bahwa dari 5 dokumen terdapat 66 kata yang berbeda. Maka kita jalankan perintah berikut,

inspect(dokumenDTM)

maka akan menghasilkan,

Dapat dilihat pada output memuat kata-kata yang terdapat dalam dokumen diurutkan menurut abjad. Pada perintah inspect hanya ditampilkan 10 kata-kata pertama saja. Misalnya, pada dokumen pertama, kata “access” muncul satu kali, kata “citi” muncul satu kali, kata “say” muncul dua kali, dan seterusnya. Jika kalian ingin mengetahui lebih rinci, jalankan perintah berikut.

dokumenDTM$dimnames$Terms

maka akan dihasilkan,

output tersebut merupakan kata-kata yang dimuat pada dokumen, yaitu sebanyak 66 kata. Untuk melihat kata yang mempunyai frekuensi muncul sebanyak 2 dan 3 kali, jalankan perintah berikut.

dokumenfreq<-findFreqTerms(dokumenDTM,2)
dokumenfreq
dokumenfreq<-findFreqTerms(dokumenDTM,3)
dokumenfreq

Maka akan menghasilkan,

Kemudian buatlah matriks menggunakan syntax berikut.

dokkudtm <- TermDocumentMatrix(dokumen)
em <- as.matrix(dokkudtm)
em
ve <- sort(rowSums(em),decreasing=TRUE)
ve
de <- data.frame(word = names(ve),freq=ve) 
head(de, 15)

maka akan muncul output sebagai berikut,

Selanjutnya, kita akan membuat wordcloud menggunakan perintah berikut.

wordcloud(words = de$word, freq = de$freq, min.freq = 1,           
          max.words=50, random.order=FALSE, rot.per=0.35,            
          colors=brewer.pal(8, "Dark2"))

Maka akan muncul output sebagai berikut,

Berdasarkan gambar tersebut akan ditampilkan kata-kata yang muncul pada ulasan pengunjung Eiffel Tower. Semakin besar ukuran huruf maka semakin banyak pula ulasan yang memuat kata tersebut. Jika ingin mencari asosiasi dari beberapa kata yang tertera, misalnya “crowded”, “relax”, “far”, dan “nice” maka jalankan perintah berikut.

vee<-as.list(findAssocs(dokkudtm, terms =c("crowded", "relax","far","nice"), corlimit = c(0.15,0.15,0.15,0.15,0.15,0.15)))
vee

maka akan muncul output sebagai berikut,

$crowded
           but   3,"surprised          4,the          about 
          0.67           0.61           0.61           0.61 
           and     beautifull           best     definitely 
          0.61           0.61           0.61           0.61 
         enjoy     especially         family         france 
          0.61           0.61           0.61           0.61 
          it's         lights            not overwhelmingly 
          0.61           0.61           0.61           0.61 
      pictures          quite        there."          thing 
          0.61           0.61           0.61           0.61 
           top         tower,           very            was 
          0.61           0.61           0.61           0.61 
          were           when           city         paris. 
          0.61           0.61           0.17           0.17 
         place            see           with 
          0.17           0.17           0.17
$relax
     4,the      about        and beautifull       best      enjoy 
      1.00       1.00       1.00       1.00       1.00       1.00 
    family     france   pictures      quite       city      place 
      1.00       1.00       1.00       1.00       0.61       0.61 
       but 
      0.41
$far
   1,"yes,     access     better buildings.   crowded,  elevator, 
      1.00       1.00       1.00       1.00       1.00       1.00 
     galon        get     highly      hilly        its       just 
      1.00       1.00       1.00       1.00       1.00       1.00 
      long montmartre        old  overrated   provides     queues 
      1.00       1.00       1.00       1.00       1.00       1.00 
  rooftops        say      sorry      steel structure.       that 
      1.00       1.00       1.00       1.00       1.00       1.00 
      this       tiny       view      would       city     paris. 
      1.00       1.00       1.00       1.00       0.61       0.61 
     place        see        the        but 
      0.61       0.61       0.51       0.41
$nice
  3,"surprised     definitely     especially           it's 
          1.00           1.00           1.00           1.00 
        lights            not overwhelmingly        there." 
          1.00           1.00           1.00           1.00 
         thing            top         tower,           very 
          1.00           1.00           1.00           1.00 
           was           were           when         paris. 
          1.00           1.00           1.00           0.61 
           see           with            but 
          0.61           0.61           0.41

Berdasarkan output tersebut, dapat kita lihat asosiasi/keterkaitan antara suatu kata dengan kata lainnya. Misalnya pada kata “crowded” mempunyai nilai asosiasi sebesar 0.67 terhadap kata “but”. Hal ini berarti banyak review dari wisatawan yang apabila menuliskan kata “crowded” lalu ia juga menuliskan kata “but”. Semakin besar nilai asosiasinya, maka semakin sering kata tersebut tertera dalam suatu kalimat.

Cukup sekian penjelasan dari saya mengenai text mining : review eiffel tower using R, semoga dapat menambah ilmu teman — teman semua.

Terimakasih, Wassalamualaikum Wr. Wb.

Referensi :

• Hakim, RB. F. (2019, September 25). Web Scraping dengan R. https://medium.com/@986110101/text-mining-using-r-28ada2abb883