Analisis Sentimen Terhadap Pengguna Twitter Di Indonesia Mengenai Investasi Saham, Reksadana, Dan Kripto Menggunakan Metode Naïve Bayes Classifier Dan Support Vector Machine

Utomo, Dani Wahyu (2022) Analisis Sentimen Terhadap Pengguna Twitter Di Indonesia Mengenai Investasi Saham, Reksadana, Dan Kripto Menggunakan Metode Naïve Bayes Classifier Dan Support Vector Machine. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211840000037-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB)

Abstract

Investasi adalah penundaan konsumsi sekarang untuk digunakan di dalam produksi yang efisien selama periode waktu tertentu dengan harapan dapat memberikan pendapatan atau keuntungan. Investasi bukannya tidak memiliki risiko, risiko merupakan salah satu faktor yang harus diperhatikan dalam analisis investasi karena setiap pilihan investasi selalu mengandung risiko yang mempengaruhi keuntungan. Investasi yang populer atau banyak investor di Indonesia diantaranya adalah saham, reksadana, dan kripto. Penilaian masyarakat terhadap setiap jenis investasi berbeda satu sama lain, karena ada kekurangan dan kelebihan dari tiap jenis investasi. Penelitian ini dilakukan untuk mengetahui tanggapan dari masyarakat Indonesia dalam bentuk tweet berdasarkan sentimen yang didapatkan media sosial Twitter mengenai isu yang sedang beredar tentang investasi saham, reksadana, dan kripto. Pada penelitian ini digunakan analisis klasifikasi teks yaitu Naïve Bayes Classifier dan Sipport Vector Machine. Perbandingan ketepatan klasifikasi metode Naïve Bayes Classifier dan Support Vector Machine menggunakan 10-fold cross validation dengan kriteria akurasi dan nilai AUC. Data saham dan kripto menggunakan akurasi sebagai ketepatan klasifikasi karena datanya balanced, sedangkan data reksadana menggunakan nilai AUC dikarenakan datanya imbalanced. Metode Support Vector Machine dengan kernel RBF merupakan metode klasifikasi yang terbaik untuk data balanced pada penelitian ini, dan metode Support Vector Machine dengan kernel linier adalah yang terbaik untuk data imbalanced, hal ini dikarenakan hasil ketepatan klasifikasi pada metode tersebut lebih baik dibandingkan dengan metode lainnya.
==============================================================================================================================
Investment is the postponement of current consumption to be used in efficient production for a certain period of time in the hope of generating income or profit. Investment is not without risk, risk is one of the factors that must be considered in investment analysis because every investment choice always contains risks that affect profits. Popular investments or many investors in Indonesia include stocks, mutual funds, and crypto. The public's assessment of each type of investment is different from each other, because there are advantages and disadvantages of each type of investment. This research was conducted to find out the responses from the Indonesian people in the form of tweets based on the sentiments obtained by social media Twitter regarding the issues currently circulating about investing in stocks, mutual funds, and crypto. In this research, text classification analysis is used, namely Naïve Bayes Classifier and Sipport Vector Machine. Comparison of the classification accuracy of the Naïve Bayes Classifier and Support Vector Machine methods using 10-fold cross validation with accuracy criteria and AUC values. Stock and crypto data use accuracy as classification accuracy because the data is balanced, while mutual fund data uses the AUC value because the data is imbalanced. The accuracy results with the The Support Vector Machine method with the RBF kernel is the best classification for balanced data in this study, and the Support Vector Machine method with a linear kernel is the best for unbalanced data, this is because the results of the classification accuracy in this method are better than the other method.

Item Type:	Thesis (Other)
Additional Information:	RSSt 519.53 Uto a-1 2022
Uncontrolled Keywords:	Investasi. Naïve Bayes Classifier. Support Vector Machine. Twitter. Investment. Naïve Bayes Classifier. 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:	10 Jun 2026 04:51
Last Modified:	10 Jun 2026 04:51
URI:	http://repository.its.ac.id/id/eprint/133693

Actions (login required)

View Item