Sunyi Web Series by Tropicana Slim
Data is the new oil
Masih ingat dengan quotes di atas? Di tulisan saya yang lalu, saya pernah menyebutkan bahwa salah satu tantangan bagi kita saat ini terkait data adalah di mana kita bisa mendapatkannya. Sejatinya di zaman digital ini, data bertebaran di mana-mana.
Kembali ke judul tulisan ini, Tropicana Slim selalu saja membuat web series yang menarik dan layak ditunggu di channel Youtube-nya. Setelah meluncurkan web series Sore dan Janji, kini ada Sunyi. Hal yang paling serunya lagi adalah Sunyi bertemakan dunia difabel atau disabilitas.
Cobain deh, nonton episode pertamanya. Dijamin bikin penasaran (dan mungkin baper bagi Anda yang jomblo). hehe
Sampai tulisan ini saya buat, Sunyi sudah sampai episode 3 lhoo. Viewers-nya sudah belasan ribu.
Nah, sekarang saya coba iseng mengambil data dari Youtube
terkait web series ini. Untuk melakukannya saya menggunakan bantuan
Python R dan Youtube Data API.
Proses membuat Google Authetication -nya mirip dengan layanan Google Vision AI, yakni tidak menggunakan API key walau nama layanannya API. Bagian ini saya skip yah. Kita langsung ke bagian ambil dan ekstrak datanya. Penasaran data apa saja yang bisa diambil? Yuk cekidot!
Data pertama
Data yang paling mudah diambil adalah data berapa banyak view, like, dislike, favourite, dan comment. Sepertinya hal yang receh yah. Gak pake bantuan R sebenarnya bisa diambil sendiri manual satu-persatu. Tapi kalau web series-nya kayak Tersanjung gimana hayo?
Hasil datanya seperti ini:
## viewCount likeCount dislikeCount favoriteCount commentCount episode
## 1 16637 1246 3 0 60 1
## 2 14558 998 1 0 47 2
## 3 11153 1049 4 0 61 3
Heran yah, padahal sudah bagus gitu web series-nya, masih ada aja yang dislike. hehe
Kalau dilihat sekilas, viewers-nya menurun tiap episode. Bisa jadi karena memang web series-nya baru saja mulai. Jadi belum banyak yang menonton.
Walaupun begitu, tren yang berbeda ditunjukkan pada variabel likeCount
dan commentCount. Sempat menurun pada episode kedua tapi naik di
episode
ketiga.
Coba yah kalau kita buat variabel likeCount dan commentCount dalam
bentuk rasio terhadap viewCount. Bentuknya jadi sebagai
berikut:
Nah kalau dari rasio sudah terlihat mirip kan yah polanya.
Kalau punya data ini trus So What Gitu Lho?
Nah, kira-kira ada yang kebayang gak data ini bisa diapakan saja? Nih, saya kasih ide. Satu aja yah tapinya (lainnya harus dipikirkan sendiri donk). hehe
Misal, saya punya data ini (plus data durasi video) dari keseluruhan video yang ada di suatu channel Youtube, saya bisa bikin clustering analysis dari semua video itu. Lalu saya bisa analisa, karakteristik dari masing-masing cluster video yang terbentuk. Jangan-jangan ada pola antar beberapa video yang ada. Bisa jadi ide untuk next content development-nya.
Di tulisan berikutnya yah, saya cobain kayak gimana sih analisanya real-nya.
Data kedua
Berikutnya adalah data detail properties dari video tersebut. Mencakup: judul, waktu upload, deskripsi, resolusi, hashtags yang digunakan, dll. Contohnya untuk episode 1, data yang dapat dilihat adalah sbb:
## $kind
## [1] "youtube#videoListResponse"
##
## $etag
## [1] "\"j6xRRd8dTPVVptg711_CSPADRfg/6BfRUWI6BIx5UnfQ8l1QuQIYAj8\""
##
## $pageInfo
## $pageInfo$totalResults
## [1] 1
##
## $pageInfo$resultsPerPage
## [1] 1
##
##
## $items
## $items[[1]]
## $items[[1]]$kind
## [1] "youtube#video"
##
## $items[[1]]$etag
## [1] "\"j6xRRd8dTPVVptg711_CSPADRfg/fm9wGb1oA7tosD14SOeixp0lW_Q\""
##
## $items[[1]]$id
## [1] "7_0V14TYVzc"
##
## $items[[1]]$snippet
## $items[[1]]$snippet$publishedAt
## [1] "2019-11-07T10:45:54.000Z"
##
## $items[[1]]$snippet$channelId
## [1] "UCgXrsigk6dCc6wzOZU70KJA"
##
## $items[[1]]$snippet$title
## [1] "#CeritaSunyi episode 01"
##
## $items[[1]]$snippet$description
## [1] "Ada lebih banyak yang bisa disampaikan tanpa suara. Kini saatnya Sunyi bercerita. Subscribe Youtube Tropicana Slim untuk ikuti ceritanya."
##
## $items[[1]]$snippet$thumbnails
## $items[[1]]$snippet$thumbnails$default
## $items[[1]]$snippet$thumbnails$default$url
## [1] "https://i.ytimg.com/vi/7_0V14TYVzc/default.jpg"
##
## $items[[1]]$snippet$thumbnails$default$width
## [1] 120
##
## $items[[1]]$snippet$thumbnails$default$height
## [1] 90
##
##
## $items[[1]]$snippet$thumbnails$medium
## $items[[1]]$snippet$thumbnails$medium$url
## [1] "https://i.ytimg.com/vi/7_0V14TYVzc/mqdefault.jpg"
##
## $items[[1]]$snippet$thumbnails$medium$width
## [1] 320
##
## $items[[1]]$snippet$thumbnails$medium$height
## [1] 180
##
##
## $items[[1]]$snippet$thumbnails$high
## $items[[1]]$snippet$thumbnails$high$url
## [1] "https://i.ytimg.com/vi/7_0V14TYVzc/hqdefault.jpg"
##
## $items[[1]]$snippet$thumbnails$high$width
## [1] 480
##
## $items[[1]]$snippet$thumbnails$high$height
## [1] 360
##
##
##
## $items[[1]]$snippet$channelTitle
## [1] "Tropicana Slim"
##
## $items[[1]]$snippet$tags
## $items[[1]]$snippet$tags[[1]]
## [1] "#TropicanaSlim"
##
## $items[[1]]$snippet$tags[[2]]
## [1] "#CeritaSunyi"
##
##
## $items[[1]]$snippet$categoryId
## [1] "1"
##
## $items[[1]]$snippet$liveBroadcastContent
## [1] "none"
##
## $items[[1]]$snippet$localized
## $items[[1]]$snippet$localized$title
## [1] "#CeritaSunyi episode 01"
##
## $items[[1]]$snippet$localized$description
## [1] "Ada lebih banyak yang bisa disampaikan tanpa suara. Kini saatnya Sunyi bercerita. Subscribe Youtube Tropicana Slim untuk ikuti ceritanya."
##
##
## $items[[1]]$snippet$defaultAudioLanguage
## [1] "id"
Saya kurang tertarik dengan data kedua ini, mungkin akan saya skip dulu yah. Kalau teman-teman ada ide untuk melakukan analisa apa, let me know yah.
Data ketiga
Data berikutnya yang bisa diambil adalah data komentar viewers di masing-masing video. Jadi ini data murni komen terhadap videonya yah. Jika ada reply dari komen, datanya ternyata tidak ada. Nah, ini baru menarik. Apa aja isinya? Berikut nama variabelnya yah:
str(komen)
## Classes 'spec_tbl_df', 'tbl_df', 'tbl' and 'data.frame': 150 obs. of 8 variables:
## $ authorDisplayName : chr "Sunyi Coffee" "Ariva Azka" "Irfan Parikesit" "Marcella Soenggono" ...
## $ authorProfileImageUrl: chr "https://yt3.ggpht.com/a/AGF-l79Wg6bFQWROoyDBRBEIgCTCFYqW_9SGUd140g=s48-c-k-c0xffffffff-no-rj-mo" "https://yt3.ggpht.com/a/AGF-l78YLJk1eeS3fbmd4BF6HHRGEM7zua-2C0x8Ew=s48-c-k-c0xffffffff-no-rj-mo" "https://yt3.ggpht.com/a/AGF-l7-ZScpC4rsj27sFa625Vr5xVouf9ShoNdhUYA=s48-c-k-c0xffffffff-no-rj-mo" "https://yt3.ggpht.com/a/AGF-l79AW5Bdxz92Vc8G9nn37RPg56gdCe-OCzwPYQ=s48-c-k-c0xffffffff-no-rj-mo" ...
## $ authorChannelUrl : chr "http://www.youtube.com/channel/UCkqV2x7C5G4-ekywNwwtS_Q" "http://www.youtube.com/channel/UCYukaD4hOQv946Ty4rIKJtw" "http://www.youtube.com/channel/UCj5MdRLgrW_0DollKMLzCSg" "http://www.youtube.com/channel/UC1pH7RkAaUW1gU9a7r55MOw" ...
## $ textOriginal : chr "Mini Series hasil kolaborasi dengan TropicanaSlim, dengan aktor asli tuli dan kerjasama komunitas seni fantasi "| __truncated__ "Aku mau nonton nya nanti aja satu tahun kemudian, biar kaya SORE dan JANJI wkwkk\r\nBtw keren bgttttt web serie"| __truncated__ "oke mevvek tiba tiba pas paham" "Brilliant idea... salut bgt tropicana" ...
## $ likeCount : num 16 0 0 0 0 0 5 0 1 0 ...
## $ publishedAt : POSIXct, format: "2019-11-09 07:59:43" "2019-11-14 15:33:36" ...
## $ updatedAt : POSIXct, format: "2019-11-09 07:59:43" "2019-11-14 15:33:36" ...
## $ episode : num 1 1 1 1 1 1 1 1 1 1 ...
Setidaknya ada delapan variabel yang bisa kita ambil dan analisa, yakni:
authorDisplayName: nama commenter.authorProfileImageUrl: profil pic Youtube account dari commenter.authorChannelUrl: link channel Youtube dari commenter.textOriginal: komentar.likeCount: Berapa banyak yang likes komentar tersebut.publishedAt: Kapan pertama kali komentar tersebut published.updatedAt: Kapan komentar tersebut diedit (jika ada).episode: Episode web series sunyi.
Oh iya, bagi rekan-rekan yang mau membedah sendiri datanya, saya lampirkan di sini yah.
head(komen,15)
## # A tibble: 15 x 8
## authorDisplayNa… authorProfileIm… authorChannelUrl textOriginal
## <chr> <chr> <chr> <chr>
## 1 Sunyi Coffee https://yt3.ggp… http://www.yout… "Mini Serie…
## 2 Ariva Azka https://yt3.ggp… http://www.yout… "Aku mau no…
## 3 Irfan Parikesit https://yt3.ggp… http://www.yout… oke mevvek …
## 4 Marcella Soengg… https://yt3.ggp… http://www.yout… Brilliant i…
## 5 Farell S https://yt3.ggp… http://www.yout… Gold!
## 6 Sachi Paramitha https://yt3.ggp… http://www.yout… <U+2764><U+…
## 7 Pradana AJI https://yt3.ggp… http://www.yout… was wonderi…
## 8 sherlock homele… https://yt3.ggp… http://www.yout… Astaga, lag…
## 9 Sachi Paramitha https://yt3.ggp… http://www.yout… ":\"\"( gil…
## 10 zigi ziall https://yt3.ggp… http://www.yout… Yg ceweknya…
## 11 Mojito Boss https://yt3.ggp… http://www.yout… Saya baru p…
## 12 Ferlando Widjaya https://yt3.ggp… http://www.yout… Another bah…
## 13 Nym Supriyanto https://yt3.ggp… http://www.yout… aktor nya t…
## 14 ayunizzahra https://yt3.ggp… http://www.yout… <U+2764><U+…
## 15 nur widyastuti https://yt3.ggp… http://www.yout… Lanjut mba …
## # … with 4 more variables: likeCount <dbl>, publishedAt <dttm>,
## # updatedAt <dttm>, episode <dbl>
Let the fun parts begin!
Bermodalkan data ketiga, mari kita oprek-oprek data ini. Kita mulai dari yang paling sederhana dulu yah.
Komentar paling banyak di- like per episode
new = komen %>% group_by(episode) %>% filter(likeCount == max(likeCount)) %>%
select(episode,authorDisplayName,textOriginal,likeCount) %>% arrange(episode)
new
## # A tibble: 3 x 4
## # Groups: episode [3]
## episode authorDisplayName textOriginal likeCount
## <dbl> <chr> <chr> <dbl>
## 1 1 Beela Shabeela "Tropicana Slim memang terbaik soal … 18
## 2 2 SETYA NOVANTOL "PENGEN TAU ALASAN TROPICANA SLIM BU… 17
## 3 3 Sunyi Coffee Mini Series hasil kolaborasi dengan … 29
Pada episode pertama, komentar yang paling banyak di- like adalah komentar:
## [1] "Tropicana Slim memang terbaik soal web series ga sabar lanjutannya "
Dengan likeCount sebanyak 18.
Sebuah pujian yang tulus dari viewer terkait betapa bagusnya web series-nya TropicanaSlim.
Sedangkan pada episode kedua, komentar yang paling banyak di- like adalah komentar:
## [1] "PENGEN TAU ALASAN TROPICANA SLIM BUAT PER EPS 1 MENIT GITU KENAPAAAAA ? MOHON ALASANNYA PAPA INGIN TAU "
Dengan likeCount sebanyak 17.
Nah, ini adalah pertanyaan viewer terkait durasi web series ini yang lebih singkat dibandingkan Sore dan Janji.
Sedangkan pada episode ketiga, komentar yang paling banyak di- like adalah komentar:
## [1] "Mini Series hasil kolaborasi dengan TropicanaSlim dengan aktor asli tuli dan kerjasama komunitas seni fantasi tuli Sunyi hadir sebagai tempat pertemuan 2 dunia yg sebelumnya tidak terbayang dapat bertemu Sunyi ingin terus berkembang untuk dapat memperkenalkan dunia disabilitas sebagai dunia yg mengagumkan dan penuh kejutan Oleh karena itu setiap like pada video CeritaSunyi di YouTube akan dikonversikan menjadi Rp 500 untuk pengembangan Sunyi House of Coffee and Hope dalam membantu memperluas kesempatan teman - teman disabilitas untuk berkreasi dan berekspresi melalui kopi Ayo kita menjadi duta dunia yg menakjubkan ini dengan like dan share kepada rekan - rekan kalian semua karena setiap dukungan pasti sangat berarti tropicanaslim CeritaSunyi SahabatSunyi"
Dengan likeCount sebanyak 29.
Ini adalah komen dari akun resmi Sunyi Coffee. Sebenarnya, komen ini selalu muncul di setiap episode. Tapi baru di episode ketiga ini yang paling banyak di- likes oleh viewer.
Siapa yang komen?
Saya sih penasaran, apakah yang komen di ketiga video itu selalu orang yang sama atau beda-beda yah. Yuk kita cek datanya.
## # A tibble: 3 x 2
## summary banyak
## <chr> <int>
## 1 Viewers yang komen di 1 video 92
## 2 Viewers yang komen di 2 video 18
## 3 Viewers yang komen di 3 video 7
## Loading required package: magrittr
Ternyata ada juga lho viewers yang selalu komen di 3 video. Selain Sunyi Coffee, ada yang bisa kasih tau siapa saja mereka? Dan apa komentarnya?
Text analysis dari komentar viewer
Ini bagian paling seru. Bagaimana kita bisa melakukan text analysis dari komentar-komentar viewers. Setidaknya ada empat analisa yang bisa dilakukan:
- Wordcloud: Menghitung berapa banyak kata keluar dalam suatu data teks (Word counting).
- Bi-Gram: Melihat dua kata yang sering bermunculan bersamaan.
- Word Association: Melihat kumpulan dan hubungan kata-kata yang memiliki asosiasi tinggi.
- Topic modellling: mencari tahu kesamaan dari sekian banyak komentar itu dan dikelompokkan berdasarkan kesamaannya tersebut.
- Sentiment Analysis: Menganalisa sentimen dari masing-masing komentar viewers. Apakah positif atau negatif?
Oke, kita mulai dari yang paling gampang dulu yah.
Wordcloud
Analisa ini sebenarnya sangat mudah. Hanya menghitung ada berapa banyak kata yang keluar dalam suatu data teks. Sebelum mulai, kita akan lakukan preparation terhadap data teksnya. Apa itu? Mengubah tulisannya jadi lowercase biar mudah dianalisa.
Berhubung ini hanya untuk fun aja, saya akan skip bagian word stemming pada wordcloud. Namun pada analisa selanjutnya saya tetap menghilangkan stopwords bahasa Indonesia.
Kindly Googling about those two terms yah in parts of text analytics
Yuk kita lihat kata-kata apa saja yang sering muncul!
Berikut adalah semua kata yang punya frekuensi minimal 5 yah:
## # A tibble: 70 x 2
## words n
## <chr> <int>
## 1 dan 22
## 2 ini 22
## 3 tropicana 18
## 4 banget 15
## 5 episode 15
## 6 sunyi 15
## 7 di 13
## 8 keren 13
## 9 teman 13
## 10 yg 13
## # … with 60 more rows
Wordcloud-nya seperti ini yah:
Gimana, ada informasi yang bisa diambil dari wordcloud di atas?
Ada yang mau ngerjain wordcloud per episodenya?
Bi-Gram
Bi-gram adalah pasangan kata yang selalu muncul secara bersamaan dan berurutan. Nah, kita akan lihat, apakah ada pasangan kata yang sering muncul pada komentar viewers?
Berikut adalah grafik dari bigrams yang memiliki frekuensi kemunculan
lebih dari dua
(>2):
Word Association
Word association itu sesimpel mencari kata yang berkorelasi dengan
kata lain. Bagaimana caranya? Kita gunakan library NLP dan tm.
Simpelnya adalah menghitung frekuensi masing-masing kata. Lalu korelasi dihitung dengan seberapa sering dua kata muncul di section yang sama.
Versi asli dari gambar tersebut, bisa di-zoom-in di link berikut ini yah.
Sekarang kita akan selidiki, kata mana saja yang erat asosiasinya dengan kata:
- Tropicana
- Sunyi
- Tuli
Word Association: Tropicana
Sekarang kita selidiki kata mana saja yang berkorelasi dengan kata Tropicana.
Word Association: Sunyi
Sekarang kita selidiki kata mana saja yang berkorelasi dengan kata Sunyi.
Word Association: Tuli
Sekarang kita selidiki kata mana saja yang berkorelasi dengan kata Tuli.
Topic Modelling
Sekarang kita akan lakukan topic modelling dari komen viewers. Apakah bisa mesin menyimpulkan topik apa saja yang dibicarakan oleh viewers?
Jika saya memilih topic = 3, maka didapatlah keywords sebagai
berikut:
## term
## Topic 1 "keren, episode, belajar, rizky, bikin"
## Topic 2 "tropicana, slim, durasinya, menit, bikin"
## Topic 3 "dunia, tuli, teman, sunyi, like"
Jadi bisa disimpulkan bahwa topik yang dibicarakan viewers adalah sebagai berikut:
- Berbicara mengenai tema disabilitas.
- Berbicara mengenai pujian terhadap web seriesnya.
- Berbicara mengenai durasi.
How?
Sentiment Analysis
Nah, untuk melakukan ini kita harus membuat supervised learning model. Berhubung saya harus membuat training dataset dan belum sempat membuatnya. Jadi untuk analisa ini sementara saya skip dulu yah.