View source for Scrapping: Word Cloud, Word Frekuensi

==✅ Fitur Analisis:==
# '''Frekuensi kata''' (word count)
# '''Word cloud''' visual
# '''Top N kata paling sering muncul'''
# Opsional: '''hapus stopwords Bahasa Indonesia''' biar hasilnya lebih bersih

==Install dulu lib tambahan:==

 pip install nltk matplotlib wordcloud

Lalu jalankan ini sekali untuk download stopwords-nya:

 import nltk
 nltk.download('stopwords')

==Tambahan Script Analisis (lanjut dari script sebelumnya):==

 import os
 import string
 from collections import Counter
 from wordcloud import WordCloud
 import matplotlib.pyplot as plt
 from nltk.corpus import stopwords
 
 # Buat daftar stopwords Bahasa Indonesia
 stop_words = set(stopwords.words('indonesian'))
 
 def bersihkan_teks(teks):
     # Lowercase + hilangkan tanda baca
     teks = teks.lower()
     teks = teks.translate(str.maketrans('', '', string.punctuation))
     return teks
 
 def analisis_folder(folder='outputs', top_n=20):
     semua_konten = ''
 
     for filename in os.listdir(folder):
         if filename.endswith('.txt'):
             filepath = os.path.join(folder, filename)
             with open(filepath, 'r', encoding='utf-8') as f:
                 isi = f.read()
                 # Ambil hanya bagian isi, setelah header
                 if '\n\n' in isi:
                     isi = isi.split('\n\n', 1)[1]
                 semua_konten += isi + ' '
 
     # Bersihkan teks dan tokenisasi
     teks_bersih = bersihkan_teks(semua_konten)
     kata_kata = teks_bersih.split()
 
     # Hapus stopwords
     kata_kata = [kata for kata in kata_kata if kata not in stop_words and kata.isalpha()]
 
     # Hitung frekuensi
     counter = Counter(kata_kata)
     top_kata = counter.most_common(top_n)
 
     print(f"\n🔍 Top {top_n} Kata Paling Sering Muncul:")
     for kata, jumlah in top_kata:
         print(f"{kata}: {jumlah}")
 
     # Buat Word Cloud
     wordcloud = WordCloud(width=800, height=400, background_color='white').generate_from_frequencies(counter)
 
     # Tampilkan
     plt.figure(figsize=(12, 6))
     plt.imshow(wordcloud, interpolation='bilinear')
     plt.axis('off')
     plt.title('Word Cloud dari Semua Konten')
     plt.tight_layout()
     plt.savefig('wordcloud.png')
     plt.show()
 
     print("\n✅ Word Cloud disimpan sebagai 'wordcloud.png'")
 
 # Jalankan analisis
 if __name__ == '__main__':
     analisis_folder('outputs', top_n=30)

==Output:==
* Console akan menampilkan '''30 kata paling sering muncul'''
* Word cloud disimpan sebagai: `wordcloud.png`

==Hasil bisa dipakai untuk:==
* Lihat '''topik dominan'''
* Tambahan insight untuk '''laporan/jurnal'''
* Bahan untuk '''visualisasi di presentasi'''


==Pranala Menarik==

* [[Scrapping]]