Facebook Sentiment Analysis Using Python (Black Campaign)

Dibuat Oleh :

1. Abi Fadhillah Surya
2. Agung Wicaksono
3. Raditya Abdurrafi

Pada kesempatan kali ini kami akan membahas tentang sentiment analysis menggunakan python. Sentiment analysis ini kami lakukan pada social media Facebook. Sebelum crawling data harus mempunyai API key Facebook terlebih dahulu atau dalam Facebook disebut Token. Langkah – langkahnya sebagai berikut :

1.   Buka website developers.facebook.com pada browser. Jika belum login ke facebook maka login terlebih dahulu.

2.      Buat aplikasi baru dengan mengklik Create New App. Isi sesuai kebutuhan.

3.      Jika sudah akan muncul halaman Dashboard seperti berikut.

4.      Buka website developers.facebook.com/explorer untuk mengambil token dari Graph API

5.      Klik Graph API Explorer pada atas kanan halaman dan pilih Aplikasi yang tadi sudah dibuat.

6.      Lalu klik Get Token di bawah Graph API Explorer dan pilih Get User Access Token.

7.    Pilih permissions yang ingin digunakan pada program ini. Kami memilih user_friends, user_likes, user_location, dan user_posts. Jika sudah klik Get Access Token

8.      Setelah itu token bisa didapatkan pada field yang tertera berikut.

Setelah mendapatkan token pada Graph API Facebook maka lanjut ke kode program. Berikut akan dijelaskan beberapa potongan kode program. Di sini kami memakai PyCharm IDE untuk Python agar lebih mudah.

Masukkan kode di atas untuk meng-import semua library yang dibutuhkan. Dalam PyCharm kita dapat menginstall library atau package secara otomatis dengan menekan Alt+Enter lalu install package pada line import.

Kode di atas untuk mengakses Graph API dengan mengguakan token yang sudah didapatkan tadi.

Corpus dan datasets ini digunakan untuk menampung comment yang akan diambil dari Facebook.

Lalu kode tersebut digunakan untuk filter search yang diinginkan dengan keyword tertentu. Kami menggunakan keyword ‘pilkada’ karena berhubungan dengan black campaign. Lalu limit pencariannya yaitu cukup 5.

Kode di atas berfungsi untuk mendapatkan comment dari post dan page yang ditentukan. Semua comment tersebut akhirnya akan disimpan di corpus untuk selanjutnya dijadikan report.

Pada kode tersebut terjadi proses penilaian komentar apakah komentar tersebut negative ataupun positive dengan library TextBlob yang sudah diimport di awal program.

Selanjutnya adalah untuk memberikan output ke console python dan memberikan report berupa file bertipe csv yang akan disimpan pada directory yang sama dengan project python dibuat.

Gambar di atas merupakan output yang tertera di console python.

Gambar di atas adalah report komentar yang sudah diambil beserta klasifikasi negative atau positif nya.