Materinya seru dan gampang dipahami. Latihan koding pengolahan teks pakai Scikit-Learn benar-benar membantu buat paham alur dasarnya
Mengolah Teks dengan Python
Unicode, regex, token, Counter, TF-IDF, dan Naive Bayes untuk ulasan dan pengaduan — dijalankan di browser.
- Tingkat
- MenengahAda prasyarat
- Isi
- 4 modul16 pelajaran
- Waktu
- ±229 menit3 jam 49 menit
- Latihan
- 52diperiksa otomatis
Pelajaran pertama bisa dicoba tanpa akun. Selanjutnya pakai akun gratis agar progres, draft kode, dan sertifikatmu tersimpan.
Hasil belajar
Yang akan kamu bisa setelah kelas ini
- Menyamakan teks dari sumber berbeda dengan normalisasi Unicode (NFC, NFKC) dan casefold.
- Membersihkan teks dengan re (URL, angka, tanda baca), memecahnya menjadi token, dan membuang kata henti.
- Menghitung frekuensi kata dan n-gram dengan collections.Counter, lalu menyusun bag-of-words dengan CountVectorizer.
- Memberi bobot TF-IDF, mengukur kemiripan kosinus, dan melatih pengklasifikasi teks MultinomialNB dengan scikit-learn.
Tempat berlatih
Coba, periksa, lalu lanjutkan.
52 latihan di 16 pelajaran. Jawaban diperiksa langsung di halaman materi; petunjuk dibuka bertahap. Mau menguji diri? Ada latihan berwaktu dengan soal acak dari kelas ini.
- editor Python37
- jawaban angka9
- pilihan jawaban6
Kurikulum
Kelas mengolah teks Bahasa Indonesia dengan Python: menyamakan teks dengan normalisasi Unicode dan casefold, membersihkannya dengan re, memecahnya menjadi token, membuang kata henti, menghitung frekuensi kata dan n-gram, lalu mengubahnya menjadi vektor bag-of-words dan TF-IDF dengan scikit-learn untuk mencari dokumen mirip dan mengelompokkan pengaduan dengan MultinomialNB. Semua kode dijalankan di Python sungguhan (Pyodide) dan diperiksa dengan test assert.
03Menghitung kata: frekuensi, n-gram, dan bag-of-words4 pelajaran
Urutan pelajaran tidak dikunci.
Untuk siapa
Orang yang sudah menulis fungsi, list, dan dict di Python dan perlu mengolah teks ulasan, pengaduan, atau isian formulir.
Alat
- Browser modern di komputer. Python (±12 MB) dimuat saat latihan pertama; modul 3 dan 4 memuat scikit-learn beserta numpy dan scipy (±21 MB) sekali, lalu tersimpan di cache.
Sertifikat kelas
Selesaikan kelasnya, sertifikat ini atas namamu.
- Nama lengkapmu dan judul kelas tercetak di sertifikat.
- Kode dan QR yang bisa dicek siapa saja di kelasgratis.com/verifikasi.
- Sekali klik ke profil LinkedIn, atau unduh PNG dan PDF.
Terbit setelah 16 pelajaran wajib tuntas dan kamu menulis ulasan singkat tentang kelasnya. Bukti penyelesaian materi dari KelasGratis, bukan akreditasi atau sertifikasi kompetensi.
Ringkasnya
Tanya jawab
Mengolah Teks dengan Python adalah kelas gratis berbahasa Indonesia tingkat menengah dari KelasGratis. Cocok untuk orang yang sudah menulis fungsi, list, dan dict di Python dan perlu mengolah teks ulasan, pengaduan, atau isian formulir. Isinya 16 pelajaran dalam 4 modul (±4 jam) dengan 52 latihan yang dinilai otomatis di browser. Sertifikat penyelesaian gratis dan bisa dicek keasliannya.
- Apakah kelas ini membahas stemming atau word embedding?
- Tidak. Stemming Bahasa Indonesia dan word embedding membutuhkan pustaka atau model pralatih yang tidak tersedia di Python yang berjalan di browser. Kelas ini berhenti di bag-of-words, TF-IDF, kemiripan kosinus, dan MultinomialNB.
- Dari mana daftar kata henti Bahasa Indonesia di kelas ini?
- Daftarnya disusun sendiri untuk data latihan, karena Python dan scikit-learn tidak menyediakan daftar kata henti Bahasa Indonesia. Pelajaran Kata henti juga menunjukkan cara mencari calon kata henti dari data sendiri.
- Apakah pola regex dijelaskan dari awal?
- Tidak. Kelas ini memakai pola regex untuk membuang URL, angka, dan tanda baca, sedangkan cara menyusun polanya diajarkan di kelas Regex untuk Mencari Teks. Satu perbedaan yang dibahas di sini adalah arti \w di Python yang mencakup huruf Unicode.
Dari pengalaman belajar
Ulasan peserta
Apa yang membantu, dan apa yang masih bisa diperbaiki?
Ulasan berasal dari akun yang telah menyelesaikan setidaknya satu pelajaran. Bintang 1–3 ditinjau admin sebelum terbit; bintang 4–5 langsung terbit. Sebelum ada ulasan terbit, kelas menggunakan nilai awal admin 5,0. Setelahnya, rating mengikuti rata-rata ulasan yang sudah terbit.
Bagikan pengalaman belajarmu
Masuk dan selesaikan satu pelajaran untuk menulis ulasan. Masuk ke akun →
Setelah kelas ini
Langkah berikutnyaAnalisis Data dengan PythonPythonJalur yang memuat kelas ini
- Ilmu Data dengan Python13 kelas
Lanjutkan ke kelas lain
Contekan untuk dipakai sambil bekerja
Lab interaktif
- Tokenizer AI: Lihat Kalimat Dipecah Jadi TokenLab interaktif
- Simulasi Temperature dan Top-p pada Model BahasaLab interaktif
Mulai dari pelajaran pertama.
16 pelajaran, ±229 menit, gratis sampai sertifikat.
Revisi materi terakhir: 27 Sep 2026. Laporan kesalahan bisa dikirim dari setiap halaman pelajaran.
