Publisher

PORTALPUBLIKASIPORTALPUBLIKASI

Journal Journal of Research and Publication InnovationJournal of Research and Publication Innovation Abstract

Perkembangan teknologi digital telah mendorong transformasi besar dalam dunia investasi, khususnya melalui aset digital seperti cryptocurrency. Tokocrypto, sebagai salah satu bursa kripto lokal di Indonesia, menjadi objek perhatian pengguna media sosial, terutama X (dulu Twitter), yang kerap mengungkapkan opini mereka terkait platform tersebut. Untuk memahami sentimen dari para pengguna, dilakukan analisis sentimen dengan 1386 data tweets yang berhasil dikumpulkan menggunakan kata kunci “investasi tokocrypto, cex tokocrypto lalu di filter manual untuk menghilangkan data yang tidak relevan dan menyisakan 600 dataset. Data dikumpulkan melalui metode crawling, kemudian dibersihkan melalui preprocessing yang mencakup case folding, normalisasi, tokenizing, stopword removal, dan stemming. Setelah pelabelan, data netral dihapus sehingga menyisakan 417 tweets yang diklasifikasikan sebagai sentimen positif dan negatif. Proses klasifikasi menggunakan metode K-Nearest Neighbor (K-NN) dengan evaluasi pada berbagai rasio data latih dan uji, serta nilai K. Model terbaik diperoleh adalah nilai K=7 dengan rasio 80:20, karena menghasilkan performa terbaik dengan akurasi = 74%, presisi = 75%, F1-score tertinggi yaitu 78%, dan nilai K ini memberikan Recall = 81% . Hasil dari penelitian ini menunjukkan efektivitas dari metode K-Nearest Neighbor dalam menganalisis sentimen, sekaligus memberikan wawasan mengenai presepsi pengguna terhadap Tokocrypto sebagai sarana investasi di media sosial Twitter.

Conclusion

Mayoritas pengguna media sosial X memberikan respon positif terhadap Tokocrypto sebagai sarana investasi dengan persentase 55,40%.Analisis coin yang paling dibicarakan menunjukkan bahwa koin TKO mendapat sentimen positif tinggi terkait keamanan dan peluang investasi, sementara Bitcoin sering dikritik karena volatilitas pasar.Model K-Nearest Neighbor (K=7) pada rasio 80.20 menunjukkan kinerja terbaik dengan akurasi 74%, presisi 75%, recall 81%, dan F1-score 78% untuk klasifikasi sentimen.

Future Research

Penelitian lanjutan dapat dilakukan untuk membandingkan efektivitas algoritma K-NN dengan metode lain seperti Support Vector Machine atau Deep Learning dalam analisis sentimen terhadap platform investasi kripto. Selain itu, bisa mengembangkan model yang mampu mengklasifikasikan sentimen pengguna dari berbagai platform media sosial seperti Instagram atau Facebook. Studi ini juga bisa diperluas dengan mengganti metode klasifikasi atau mengoptimalkan parameter preprocessing untuk meningkatkan akurasi model.

References

1. Edunomic : Jurnal Ilmiah Pendidikan Ekonomi Fakultas Pendidikan dan Sains. analisis motivasi pengetahuan... jurnal.ugj.ac.id/index.php/Edunomic/article/view/2352Edunomic Jurnal Ilmiah Pendidikan Ekonomi Fakultas Pendidikan dan Sains analisis motivasi pengetahuan jurnal ugj ac index php Edunomic article view 2352
2. Public Sentiment Analysis Against Tokocrypto Exchange on Twitter Using LSTM Method | CogITo Smart Journal.... cogito.unklab.ac.id/index.php/cogito/article/view/418Public Sentiment Analysis Against Tokocrypto Exchange on Twitter Using LSTM Method CogITo Smart Journal cogito unklab ac index php cogito article view 418
3. ANALISIS SENTIMEN ULASAN PADA WISATA DIENG DENGAN ALGORITMA K-NEAREST NEIGHBOR (K-NN) | Jurnal Penelitian... doi.org/10.32699/PPKM.V9I1.2218ANALISIS SENTIMEN ULASAN PADA WISATA DIENG DENGAN ALGORITMA K NEAREST NEIGHBOR K NN Jurnal Penelitian doi 10 32699 PPKM V9I1 2218
4. ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP DOMPET ELEKTRONIK DENGAN METODE LEXICON BASED DAN K –... doi.org/10.35760/IK.2020.V25I1.2411ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP DOMPET ELEKTRONIK DENGAN METODE LEXICON BASED DAN K yCAu doi 10 35760 IK 2020 V25I1 2411

Metadata

File size	418.41 KB
Pages	5
DMCA	Report