Publisher

UM SURABAYAUM SURABAYA

Journal BALANCE: Economic, Business, Management and Accounting JournalBALANCE: Economic, Business, Management and Accounting Journal Abstract

Penurunan optimisme investor pasar modal adalah salah satu dampak keuangan pada dunia usaha yang timbul akibat pandemi SARS‑COVID19. Hal ini tercermin dari turunnya volume perdagangan yang diikuti penurunan tajam IHSG di Bursa Efek Indonesia mulai Maret 2020. Sehingga kekhawatiran atas perlambatan pemulihan ekonomi sebagai dampak pandemi, tercermin dari sentimen investor di pasar modal. Di satu sisi, perkembangan internet di Indonesia yang pesat, memicu kecenderungan aktivitas investor dalam pencarian informasi sebelum membeli dan menjual surat berharga secara online, turut berkontribusi dalam mempengaruhi preferensi dan sentimen investor. Penelitian ini menggali ekspektasi investor yang tercermin pada sentimen investasi, dimana pasar modal sebagai salah satu barometer penting perekonomian suatu negara. Kajian ini mengumpulkan istilah investasi saham yang kerap muncul di pasar modal dalam kamus leksikon, kemudian melakukan ekstraksi opini investor berbasis leksikon dari jejaring sosial Twitter, dilanjutkan dengan analisis sentimen dan pembentukan model klasifikasi berbasis Naive Bayes dan Decision Tree.

Conclusion

Ekstraksi data menunjukkan sentimen investor pasar modal mayoritas positif, dengan istilah seperti “Cuan, “bearish, “serok, “copet, “untung, dan “cut loss sering muncul dalam tweet.Klasifikasi menggunakan Decision Tree memberikan akurasi lebih tinggi dibanding Naive Bayes, sehingga lebih efektif dalam mengidentifikasi sentimen.Meskipun pasar berada dalam kondisi downtrend pada periode Maret‑Desember 2020, investor tetap optimis bahwa ekonomi akan pulih dan melihat investasi sebagai peluang memperoleh return setelah kondisi bearish berlalu.

Future Research

Penelitian selanjutnya dapat memperluas sumber data dengan menambahkan platform media sosial lain seperti Instagram, Reddit, atau forum investasi guna membandingkan karakteristik sentimen antar‑platform dan mengevaluasi konsistensinya. Selanjutnya, penggunaan model pembelajaran mendalam seperti BERT atau transformer dapat diuji untuk meningkatkan akurasi klasifikasi sentimen dibandingkan metode tradisional Decision Tree. Selain itu, dilakukan studi longitudinal yang mencakup periode pra‑pandemi, pandemi, dan pasca‑pandemi selama beberapa tahun untuk menganalisis perubahan dinamika sentimen investor serta menguji kemampuan prediksi sentimen terhadap pergerakan harga saham dan return investasi. Penelitian juga dapat mengeksplorasi integrasi data ekonomi makro, seperti indeks harga konsumen atau data CPI, dengan data sentimen untuk menilai pengaruh faktor eksternal terhadap sentimen investor. Terakhir, analisis sentimen dapat dipadukan dengan teknik jaringan saraf grafik (Graph Neural Networks) untuk memodelkan hubungan antar‑pengguna di jejaring sosial dan mengidentifikasi pola penyebaran sentimen yang berpotensi mempengaruhi volatilitas pasar. Dengan menggabungkan pendekatan multivariat ini, penelitian selanjutnya dapat menghasilkan model prediktif yang lebih robust dan memberikan wawasan praktis bagi regulator dan pelaku pasar dalam mengantisipasi perubahan sentimen secara real‑time.

References

1. Price Linkage Rumors in the Stock Market and Investor Risk Contagion on Bilayer‐Coupled Networks... doi.org/10.1155/2019/4727868Price Linkage Rumors in the Stock Market and Investor Risk Contagion on BilayeryAAAaCoupled Networks doi 10 1155 2019 4727868
2. Kurs dan Nilai Perdagangan Saham di BEI Sebelum dan pada Masa Pandemi Covid-19 | BALANCE: Economic, Business,... journal.um-surabaya.ac.id/index.php/balance/article/view/5446Kurs dan Nilai Perdagangan Saham di BEI Sebelum dan pada Masa Pandemi Covid 19 BALANCE Economic Business journal um surabaya ac index php balance article view 5446

Metadata

File size	477.05 KB
Pages	14
DMCA	Report