Bab 1 Pengantar
Buku ini membahas tentang penggunaan R untuk analisis teks dalam berbagai konteks dan tujuan. Sebuah adegium klasik menyatakan “Kita tidak mungkin tidak berkomunikasi” yang menyatakan bahwa eksistensi manusia itu sendiri merupakan suatu bentuk komunikasi kepada sesamanya yang lain. Artinya kita sadar atau tidak selalu berpotensi menyampaikan pesan kepada orang lain dalam bentuk pesan verbal atau non-verbal.
Di era digital ini komunikasi melahirkan beragam bentuk pesan, baik komunikasi antar pribadi, komunikasi publik, maupun komunikasi massa. Kemajuan teknologi memungkinkan semua orang berperan menjadi produsen informasi di media sosial (user generated content) meskipun kualitasnya acap kali kurang memenuhi standar yang baik. Pesan komunikasi ini tertuang dalam berbagai format, mulai dari teks, visual, video dan audio baik yang dihasilkan secara organik maupun hasil ciptakan teknologi AI (Artificial Intelligence). Berkomunikasi di era digital menjadi krucial agar tidak ketinggalan informasi atau ditinggalkan oleh para pemangku kepentingan sebuah perusahaan atau organisasi. Analisis pesan komunikasi menjadi alat penting untuk dapat memahami makna dan maksud dari pengirim pesan sehingga bisa memberi respon yang efektif. Perkembangan ini pun melahirkan berbagai bentuk metode dan teknik analisis teks.
Tujuan analisis teks dapat dilakukan untuk mengetahui hal-hal berikut: * Apa kata yang paling sering digunakan dalam suatu teks * Bagaimana sentimen positif dan negatif mendominasi sebuah teks * Bagaimana relasi yang terbentuk antarkata dalam suatu teks * Bagaimana perbedaan penggunaan kata antar dua atau lebih teks dari sumber yang berbeda * Apa topik utama dari sebuah teks * Lainnya
Analisis teks pada hakekatnya adalah proses untuk mengumpulkan, memilah, dan merangkum informasi untuk menemukan kesimpulan atau insights dari teks sebagai produk dari sebuah proses komunikasi. Kesimpulan dari analisis teks dapat digunakan untuk menyusun strategi komunikasi atau operasional organisasi dalam mencapai keberhasilan berikutnya. Selain itu hasil analisis juga dijadikan sebagai pelajaran dalam mekanisme evaluasi kinerja sehingga bisa menutupi kekurangan kinerja organisasi di masa yang akan datang.
Kelahiran teknologi baru seperti media sosial dan aplikasi pesan singkat mengubah pola komunikasi kita dan bahkan pola hidup manusia pada tataran tertentu, seolah mengukuhkan tesis “The Medium is The Message” ala Marshal McLuhan.
Analisis teks sering disamakan dengan text mining dan data mining. Namun hal ini berbeda meskipun ada kesamaan dalam operasi kerjanya. Menurut IBM text mining adalah “is the process of transforming unstructured text into a structured format to identify meaningful patterns and new insights. You can use text mining to analyze vast collections of textual materials to capture key concepts, trends and hidden relationships.” (IBM) Ahli lain menyebut “Text mining can be broadly defined as a knowledge-intensive process in which a user interacts with a document collection over time by using a suite of analysis tools (THE TEXT MINING HANDBOOK).” Dan ada juga yang menyatakan bahwa “Text Mining is the discovery by computer of new, previously unknown information, by automatically extracting information from different written resources. A key element is the linking together of the extracted information together to form new facts or new hypotheses to be explored further by more conventional means of experimentation.” (https://people.ischool.berkeley.edu/~hearst/text-mining.html). Text mining began with the computational and information management fields (e.g. database searching and information retrieval), whereas Text analysis began in the humanities with the manual analysis of text, (e.g Bible concordances and newspaper indexes). More recently, the two terms have become synonymous, and now generally refer to the use of computational methods to search, retrieve, and analyse text data. (https://guides.library.uq.edu.au/research-techniques/text-mining-analysis)
Sementara itu data mining adalah “process of discovering interesting and useful patterns and relationships in large volumes of data. The field combines tools from statistics and artificial intelligence (such as neural networks and machine learning) with database management to analyze large digital collections, known as data sets (https://www.britannica.com/technology/data-mining). Jadi dapat disebutkan bahwa text analysis adalah bagian dari text mining. Sementara data mining merupakan analisis data secara umum atau bukan teks. Salah satu inovasi dalam teknik analisis teks saat ini adalah penggunakan metode komputasional lewat aplikasi komputer berbasis program, seperti R, python, dan lainnya. Pada kesempatan ini kita akan mempelajari dan menerapkan analisis teks dengan menggunakan aplikasi dan Bahasa pemograman R/Rstudio.
• Overview and importance of text analysis in Indonesia • Case studies from Indonesian industries
Referensi - Kasper Welbers, Wouter Van Atteveldt & Kenneth Benoit (2017) Text Analysis in R, Communication - https://www.ibm.com/topics/text-mining
1.1 Usage
Each bookdown chapter is an .Rmd file, and each .Rmd file can contain one (and only one) chapter. A chapter must start with a first-level heading: # A good chapter, and can contain one (and only one) first-level heading.
Use second-level and higher headings within chapters like: ## A short section or ### An even shorter section.
The index.Rmd file is required, and is also your first book chapter. It will be the homepage when you render the book.
1.2 Render book
You can render the HTML version of this example book without changing anything:
Find the Build pane in the RStudio IDE, and
Click on Build Book, then select your output format, or select “All formats” if you’d like to use multiple formats from the same book source files.
Or build the book from the R console:
bookdown::render_book()To render this example to PDF as a bookdown::pdf_book, you’ll need to install XeLaTeX. You are recommended to install TinyTeX (which includes XeLaTeX): https://yihui.org/tinytex/.
1.3 Preview book
As you work, you may start a local server to live preview this HTML book. This preview will update as you edit the book when you save individual .Rmd files. You can start the server in a work session by using the RStudio add-in “Preview book”, or from the R console:
bookdown::serve_book()