Oke, kali ini kita mencoba mengulik tentang scraping website. Scraping website gampangnya adalah suatu teknik mengambil data (text, gambar, link, dll) yang berasal dari website. Website media daring atau online adalah website yang memiliki pergerakan yang luar biasa, yang saya maksud adalah update dilaman utamanya, nanti kita liat lebih detail lagi. Saya mencoba memilih kompas.com dan detik.com, alasannya adalah kekesalan saya terhadap berita tentang fauzi bowo, dikarenakan sangat sedikit sekali berita tentang beliau, padahal beliau menjabat menjadi wakil gubernur DKI jakarta selama 5 tahun! dan juga menjabat gubernur DKI jakarta selama 5 tahun!, dan tidak ketinggalan menjadi sekda selama 4 tahun! tetapi apa daya berita tentang beliau hampir tidak ada di media daring di waktu waktu ini, yang ada berita tentang ….
Okeh lupakan sejenak tentang om bowo, sebenernya kalau mau gampang kalian bisa datang ke kantor nya kompas, meminta dengan baik-baik data website kompas.com, data yg kalian bisa minta adalah judul dari newsfeed, jam berapa, judul postingannya. Dari data tersebut kita bisa melihat seberapa sering fauzi bowo (lagi) menjadi judul berita kompas.com. Atau kalian ingin tau lagi kalian bisa dapat jam kerja tukang posting dari website tersebut, kira kira kalau malam-malam dia kerja ngak ya?? Namun karena saya ngak mau dateng ke kantor kompas atau detik karena sangat tidak efektif! mengapa tidak efektif? …………
Oke, tools yang saya gunakan dalam scrapping adalah, Java dengan bantuan libary Jsoup, Mysql, dan tentunya komputer dan internet, skema sederhana nya bisa dilihat sebagai berikut:
hasil yang saya dapatkan sebagai berikut:
Scrapping dilakukan pada waktu Wed Apr 13 13:48:03 SAMT 2016 sampai dengan Thu Apr 14 08:03:30 SAMT 2016 atau Hari Rabu 13 April 2016 pukul 13:48:03 sampai dengan Hari Kamis 14 April 2016 pukul 11:03:30 kurang lebih 18 jam 15 menit 27 detik
Kompas unggul dalam jumlah postingan dibanding detik dalam kurun waktu tersebut, artinya karyawan kompas lebih rajin dibanding detik, jika kita rata-ratakan maka dalam satu jam kompas berhasil memposting 19 berita
Sekarang kita coba lihat berapa kali Presiden Jokowi dengan keysearch ‘joko’ (jikalau ki joko bodo menjadi judul berita maka akan ada error)
Dikompas Jokowi unggul 11 posting dibanding detik yang ‘hanya’ 7. Dan kebetulan ki Joko Bodo tidak ada yang ada Djokovic (error 1)
Oke, sekarang kita test coba tebak lebih banyak berita dengan keysearch di judul ‘bola’ atau berita dengan keysearch di judul ‘indonesia’, kenapa tidak dengan bulutangkis misalnya? karena hasilnya sudah ketahuan
Ternyata Bola unggul 54 point dibanding Indonesia yang hanya mendapat 27 point, hal ini bisa dimaklumi dikarenakan semalam adalah liga champion!
Kembali ke revenge Fauzi Bowo, seltelah mantan gubernur DKI jakarta kita sudah periksa di atas, sekarang kita check ‘musuh bebuyutan’ (judul film yg dibintangi oleh benyamin) dari Fauzi Bowo
32 point lebih banyak dari keysearch Indonesia, tapi tetep masih kalah sama anak bola!
Sekarang kalau penasaran sama si tukang posting di kompas.com sama detik.com jam kerjanya, kita bisa liat dari time posting newsfeed tersebut, data waktu disini mungkin terdapat selisih sampai 1 menit dengan postingan nya, karena data waktu yang saya dapatkan adalah data waktu execute program java pada saat parsing
sayangnya jam 8,9,10,11 masih belum full tercaputre, (catatan waktu menggunakan samara time atau 3 jam lebih lambat dibanding WIB, jadi kalau jam 9 tertulis digrafik berarti jam 12 waktu WIB).
update data waktu posting dan sudah dikonverter kedalam WIB
Dari waktu grafik waktu tersebut kita bisa liat tukang posting mengalami penurunan produktifitas postingan nya selepas jam 18 SMT atau 21 WIB dan menanjak lagi di 03 SMT atau 06 WIB, artinya apa? karena tukang posting manusia juga dan siapa juga yang baca berita malem-malem!
Pesan moral yg bisa diambil adalah kurangilah membaca media daring! perbanyak baca buku!
? 