Analisis Sentimen Aplikasi Saham Ipot berdasarkan Ulasan Pengguna di Google Play Store menggunakan Metode Naive Bayes dan SVM

Arkham, Mokhammad Muqoffi (2024) Analisis Sentimen Aplikasi Saham Ipot berdasarkan Ulasan Pengguna di Google Play Store menggunakan Metode Naive Bayes dan SVM. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032201183-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (4MB) | Request a copy

Abstract

Perusahaan sekuritas di Bursa Efek Indonesia (BEI) berfungsi membantu pembukaan rekening dan bertindak sebagai perantara dalam jual beli saham. Beberapa perusahaan sekuritas menyediakan aplikasi online sebagai one stop solution bagi calon pemegang saham untuk melakukan mulai dari proses pendaftaran akun, pembelian saham, dan penjualan saham yang dimiliki di perusahaan tertentu. Salah satu piooner dalam aplikasi digital saham yaitu aplikasi “IPOT” (Indo Premier Online Technology). Dibandingkan dengan aplikasi serupa dari para kompetitornya, IPOT menjadi yang terendah berdasarkan rating pada Google Play Store. Beberapa masyarakat juga mengeluhkan aplikasi IPOT sering mendapatkan pesan error sehingga menghambat transaksi nasabah melalui aplikasi tersebut. Dengan memanfaatkan data dari ulasan pengguna pada halaman Google Play Store, penelitian ini bertujuan untuk melakukan analisis sentimen masyarakat terhadap aplikasi IPOT, apakah sentimen yang diberikan lebih banyak yang positif atau negatif. Pengumpulan data dilakukan menggunakan pemrograman python yang menghasilkan 24903 baris sejak tanggal 22 Mei 2020 sampai 05 Oktober 2023. Berdasarkan data tersebut selanjutnya dilakukan labelling, preprocessing data, pembobotan dengan TF-IDF, dan pengklasifikasian menggunakan metode klasifikasi Naive Bayes dan SVM. Hasil dari penelitian ini menunjukkan jumlah sentimen positif pengguna terhadap aplikasi IPOT sebanyak 16396 ulasan dan sentimen negatif 8156 ulasan. Metode klasifikasi SVM yang digunakan pada model memiliki tingkat akurasi yang lebih baik daripada metode Naïve Bayes. Metode SVM memiliki tingkat akurasi 91,7%, sedangkan metode Naïve Bayes memiliki tingkat akurasi 90,8%. Hasil visualisasi Word Cloud menunjukkan kata-kata penting yang sering dibahas oleh pengguna terkait sentimen positif, yaitu “investasi”, “mudah”, “bagus”, “tampil”, “mula”. Sedangkan pada sentimen negatif, kata-kata yang sering dibahas yaitu “daftar”, “update”, “masuk”, “email”.
=================================================================================================================================
Securities companies on the Indonesia Stock Exchange (IDX) function to assist in opening accounts and act as intermediaries in buying and selling shares. Some securities companies provide online applications as a one-stop solution for prospective shareholders to start the account registration process, purchase shares, and sell shares owned in certain companies. One of the pioneers in digital stock applications is the "IPOT" (Indo Premier Online Technology) application. Compared to similar applications from its competitors, IPOT is the lowest based on the rating on the Google Play Store. Some people also complain that the IPOT application often gets error messages, hampering customer transactions through the application. By utilizing data from user reviews on the Google Play Store page, this study aims to analyze public sentiment towards the IPOT application, whether the sentiment given is more positive or negative. Data collection was carried out using python programming which resulted in 24903 lines from May 22, 2020 to October 05, 2023. Based on this data, further labeling, data preprocessing, TF-IDF weighting, and classification are carried out using the Naive Bayes and SVM classification methods. The results of this study show the number of positive user sentiments towards the IPOT application as many as 16396 reviews and 8156 negative sentiments. The SVM classification method used in the model has a better accuracy rate than the Naïve Bayes method. The SVM method has an accuracy rate of 91.7%, while the Naïve Bayes method has an accuracy rate of 90.8%. Word Cloud visualization results show important words that are often discussed by users related to positive sentiment, namely “investasi”, “mudah”, “bagus”, “tampil”, “mula”. While in negative sentiment, the words that are often discussed are “daftar”, “update”, “masuk”, “email”.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	saham, sekuritas, IPOT, Google Play Store, analisis sentimen, TF-IDF, Naive Bayes, SVM, Word Cloud, stock, securities, sentiment analysis
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Mokhammad Muqoffi Arkham
Date Deposited:	22 Feb 2024 03:21
Last Modified:	22 Feb 2024 03:21
URI:	http://repository.its.ac.id/id/eprint/107666

Actions (login required)

View Item