Kursus Machine Learning: Penerapan Natural Language Processing untuk Analisis Sentimen Media Sosial Menggunakan Python

Berikut Silabus 40 Sesi: Penerapan Natural Language Processing untuk Analisis Sentimen Media Sosial Menggunakan Python

Pendahuluan (Sesi 1–5)

• Pengantar NLP dan Analisis Sentimen Definisi NLP dan peranannya dalam analisis sentimen

• Studi kasus analisis sentimen media sosial

• Tools yang digunakan: Python, Jupyter Notebook, Pandas, NLTK, TextBlob, Scikit-learn

• Dasar-dasar Python untuk NLP Struktur data Python: list, dictionary, string

• Manipulasi data dengan Pandas

• Pengantar penggunaan NumPy

• Memahami Data Media Sosial Tipe data pada media sosial (teks, metadata)

• Struktur data dari Twitter, Instagram, dan Facebook

• Dataset populer untuk analisis sentimen

• Pengumpulan Data Media Sosial Web scraping dasar menggunakan BeautifulSoup

• Penggunaan API media sosial (Twitter API, Facebook Graph API)

• Etika dan legalitas pengumpulan data

• Pembersihan Data Teks Teknik pembersihan data: lowercasing, stopwords removal, stemming, dan lemmatization

• Implementasi pembersihan teks dengan NLTK dan SpaCy

• Studi kasus: Membersihkan data dari tweet mentah

Dasar-dasar NLP (Sesi 6–10)

• Tokenisasi dan Representasi Kata Definisi tokenisasi

• Penggunaan tokenizer di NLTK dan SpaCy

• Studi kasus: Tokenisasi data tweet

• Representasi Teks: Bag-of-Words Konsep Bag-of-Words (BoW)

• Membuat vektor teks menggunakan BoW dengan Scikit-learn

• Visualisasi hasil representasi teks

• Representasi Teks: TF-IDF Konsep TF-IDF

• Implementasi TF-IDF dengan Scikit-learn

• Studi kasus: TF-IDF pada data ulasan media sosial

• Representasi Teks: Word Embeddings Konsep Word2Vec, GloVe, dan FastText