{
"cells": [
{
"cell_type": "markdown",
"source": [
"# Tantangan: Menganalisis Teks tentang Data Science\n",
"\n",
"Dalam contoh ini, mari lakukan latihan sederhana yang mencakup semua langkah dari proses data science tradisional. Anda tidak harus menulis kode apapun, Anda bisa cukup mengklik sel di bawah untuk menjalankannya dan mengamati hasilnya. Sebagai tantangan, Anda dianjurkan mencoba kode ini dengan data yang berbeda.\n",
"\n",
"## Tujuan\n",
"\n",
"Dalam pelajaran ini, kita telah membahas berbagai konsep yang terkait dengan Data Science. Mari kita coba menemukan lebih banyak konsep terkait dengan melakukan **text mining**. Kita akan mulai dengan sebuah teks tentang Data Science, ekstrak kata kunci dari teks tersebut, dan kemudian coba visualisasikan hasilnya.\n",
"\n",
"Sebagai teks, saya akan menggunakan halaman tentang Data Science dari Wikipedia:\n"
],
"metadata": {}
},
{
"cell_type": "markdown",
"source": [],
"metadata": {}
},
{
"cell_type": "code",
"execution_count": 62,
"source": [
"url = 'https://en.wikipedia.org/wiki/Data_science'"
],
"outputs": [],
"metadata": {}
},
{
"cell_type": "markdown",
"source": [
"## Step 1: Mendapatkan Data\n",
"\n",
"Langkah pertama dalam setiap proses data science adalah mendapatkan data. Kita akan menggunakan pustaka `requests` untuk melakukannya:\n"
],
"metadata": {}
},
{
"cell_type": "code",
"execution_count": 63,
"source": [
"import requests\r\n",
"\r\n",
"text = requests.get(url).content.decode('utf-8')\r\n",
"print(text[:1000])"
],
"outputs": [
{
"output_type": "stream",
"name": "stdout",
"text": [
"\n",
"\n",
"\n",
"\n",
"Data science - Wikipedia\n",
"