Analisis Sentimen Pengguna Aplikasi Twitter Terhadap Cryptocurrency Bitcoin Menggunakan Nave Bayes Classifier NBC Dan Support Vector Machine SVM

Soepeno, Juan Antonio Putra (2022) Analisis Sentimen Pengguna Aplikasi Twitter Terhadap Cryptocurrency Bitcoin Menggunakan Nave Bayes Classifier NBC Dan Support Vector Machine SVM. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211840000085-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (1MB)

Abstract

Bitcoin merupakan mata keuangan digital yang menawarkan biaya transaksi yang lebih rendah daripada pembayaran online tradisional lainnya, dan tidak seperti mata uang yang dikeluarkan pemerintah, Bitcoin dioperasikan oleh otoritas yang terdesentralisasi. Bahkan, saat ini terdapat beberapa negara yang sudah menerima Bitcoin sebagai alat nilai tukar yang sah dan dapat digunakan pada negaranya. Tetapi dilain sisi, Bitcoin merupakan sebuah mata uang yang volatile terhadap harganya. Bahkan Bitcoin tersebut dapat dipengaruhi pada sebuah influencer seperti Elon Musk, pemilik Tesla. Hal tersebut yang menyebabkan banyak kontroversi yang kerap muncul terhadap cryptocurrency Bitcoin. Maka dari itu, pada analisis ini akan dilakukan analisis sentimen terhadap pengguna Twitter dengan keyword Bitcoin. Data yang akan didapatkan pada analisis ini merupakan data tweet dari pengguna Twitter. Diambil data dari Twitter karena Twitter merupakan sosial media yang dapat digunakan sebagai media komunikasi dan penyampaian informasi yang memungkinkan terjadinya pertukaran informasi. Analisis pada penelitian ini akan melakukan klasifikasi sentimen negatif dan positif terhadap Bitcoin menggunakan metode menggunakan Nave Bayes Classifier NBC dan Support Vector Machine SVM. Diketahui pada hasil akhir bahwa metode SVM merupakan metode pengklasifikasian yang terbaik karena memiliki nilali rata-rata AUC terbesar. Pada hasil analisis juga diketahui bahwa kata yang kerap muncul dari sentimen negatif dan positif tentang Bitcoin merupakan kata harga dan mata uang. Kemudian, didapatkan juga bahwa sentimen yang kerap muncul dari tweet merupakan sentimen negatif.
==============================================================================================================================
Bitcoin is a digital financial currency that offers lower transaction fees than other traditional online payments, and unlike government-issued currencies, it is operated by a decentralized authority. In fact, currently there are several countries that have accepted Bitcoin as a legal currency of exchange rate that can be used in their country. But on the other hand, Bitcoin is a currency that is volatile in price. Even Bitcoin can be influenced by an influencer like Elon Musk, the owner of Tesla. This is what causes a lot of controversy that often arises about the Bitcoin cryptocurrency. Therefore, in this analysis, sentiment analysis will be carried out on Twitter users with the keyword Bitcoin. The data that will be obtained in this analysis is tweet data from Twitter users. Data was taken from Twitter because Twitter is a social media that can be used as a medium of communication and delivery of information that allows the exchange of information. The analysis in this study will classify negative and positive sentiments towards Bitcoin using the Nave Bayes Classifier NBC and Support Vector Machine SVM methods. It is known in the final result that the SVM method is the best classification method because the average of AUC is the highest. In the results of the analysis, it is also known that the word that often arises from negative and positive sentiments about Bitcoin is the word harga and mata uang. Then, it was also found that the sentiment that often arises from tweets is a negative sentiment.

Item Type:	Thesis (Other)
Additional Information:	RSSt 519.53 Soe a-1 2022
Uncontrolled Keywords:	Bitcoin, Nave Bayes Classifier, Analisis Sentimen, Support Vector Machine, Twitter.
Subjects:	H Social Sciences > HA Statistics
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	11 Jun 2026 03:29
Last Modified:	11 Jun 2026 03:29
URI:	http://repository.its.ac.id/id/eprint/133727

Actions (login required)

View Item