Analisis Sentimen Twitter Pada Initial Public Offering Saham GOTO Tahun 2022 Dengan Menggunakan Support Vector Machine

Wijaya, Ikhlasul Ikhwan (2023) Analisis Sentimen Twitter Pada Initial Public Offering Saham GOTO Tahun 2022 Dengan Menggunakan Support Vector Machine. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 10611910000049-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (1MB) | Request a copy

Abstract

Initial Public Offering atau biasa disingkat IPO merupakan sebuah penarawaran saham kepada publik dengan penjualan pertama dari suatu perusahaan kepada masyarakat sehingga perusahaan yang bersangkutan status perusahaanya berubah yang semula berupa perusahaan swasta menjadi perusahaan publik. Initial Public Offering sendiri biasanya dikelola oleh bank yang membantu investasi yang fungsinya mencatat saham di bursa efek, tujuan dari IPO sebuah perusahaan sendiri adalah untuk meningkatkan modal ekuitas baru bagi perusahaan. Kinerja dari perusahaan sendiri sangat berpengaruh pada penawaran kepada publik, apabila dari masyarakat memiliki banyak sentimen buruk maka akan sangat berpengaruh terhadap minat beli dan harga saham pada pembukaan saham. Oleh karena itu, penting untuk mengetahui seberapa besar sentimen dan minat pada saham yang akan IPO. Tujuan penelitian kali ini adalah untuk mengklasifikasi seberapa besar sentimen masyarakat melalui twitter terhadap beberapa perusahaan pada kuartal 2 tahun 2022 yang rilis ke publik atau IPO. Metode yang digunakan pada peneliain kali ini adalah support vector machine dengan menggunakan sumber data dari crawling tweet dengan menggunakan package scrapping dari Python. Dari penelitian kali ini didapatkan hasil tweets sebanyak 4873 tweets dengan presentase 22,8% sentimen positif dan 77,2% sentimen negatif dengan menggunakan tiga kali percobaan dengan data testing sebesar 20%, 30%, dan 40% dengan tiga kernel yang dicoba yaitu linear, radial basis function, dan Sigmoid. Berdasarkan ketiga percobaan dengan menggunakan tiga kernel yang berbeda, dapat didapatkan skor akurasi yang terbesar yaitu dengan menggunakan kernel linear dengan skor akurasi sebesar 80% pada data testing 30% dan memiliki nilai sensitivity, precission dan recall sebesar 91%, 38%, 85% dan 89% pada nilai cost 50% dengan akurasi cost sebesar 80%
===================================================================================================================================
Initial Public Offering or commonly abbreviated as IPO is an offering of shares to the public with the first sale of a company to the public so that the company concerned changes its company status from a private company to a public company. Initial Public Offering itself is usually managed by an investment bank whose function is to list shares on the stock exchange, the purpose of a company's own IPO is to raise new equity capital for the company. The performance of the company itself is very influential on the offer to the public, if the public has a lot of bad sentiment, it will greatly affect the buying interest and share price at the opening of the stock. Therefore, it is important to know how much sentiment and interest in stocks that will IPO. The purpose of this research is to classify how much public sentiment through twitter towards several companies in the 2nd quarter of 2022 that are released to the public or IPO. The method used in this research is support vector machine by using data sources from crawling tweets using the scrapping package from Python. From this research, 4873 tweets were obtained with a percentage of 22.8% positive sentiment and 77.2% negative sentiment using three experiments with testing data of 20%, 30%, and 40% with three kernels tried, namely linear, radial basis function, and Sigmoid. Based on the three experiments using three different kernels, the largest accuracy score can be obtained by using a linear kernel with an accuracy score of 80% on 30% testing data and has sensitivity, precission and recall values of 91%, 38%, 85% and 89% at a cost value of 50% with a cost accuracy of 80%

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Sentimen, Initial Public Offering, Klasifikasi, Support Vector Machine, Twitter, Sentiment Analysis, Initial Public Offering, Classification, Support Vector Machine,Twitter
Subjects:	T Technology > T Technology (General) > T57.8 Nonlinear programming. Support vector machine. Wavelets. Hidden Markov models.
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Ikhlasul Ikhwan Wijaya
Date Deposited:	22 Aug 2023 07:56
Last Modified:	22 Aug 2023 07:56
URI:	http://repository.its.ac.id/id/eprint/99758

Actions (login required)

View Item