KRESNA MEDIAKRESNA MEDIA

Jurnal Riset InformatikaJurnal Riset Informatika

Penelitian ini menginvestigasi hubungan antara sentimen media sosial dan volatilitas harga Bitcoin menggunakan teknik natural language processing yang canggih. Kami mengumpulkan data X dari 10-29 April 2025, menganalisis tweet terkait cryptocurrency bersamaan dengan pergerakan harga Bitcoin yang diperoleh melalui API CoinGecko. Lima metodologi analisis sentimen dievaluasi secara komparatif: VADER, TextBlob, BERTweet, RoBERTa Base, dan RoBERTa Large. Volatilitas harga Bitcoin diukur menggunakan log returns untuk menangkap fluktuasi pasar secara akurat. Analisis korelasi mengungkapkan perbedaan signifikan dalam efektivitas metodologi. Pendekatan lexicon-based tradisional (VADER dan TextBlob) menunjukkan korelasi lemah dengan volatilitas (r = -0,2232 dan r = -0,0710). Model transformer menunjukkan performa superior, dengan RoBERTa Large mencapai korelasi terkuat (r = 0,4569, p = 0,0428), merepresentasikan satu-satunya hubungan yang signifikan secara statistik. Korelasi positif menunjukkan bahwa peningkatan sentimen media sosial berkorelasi dengan volatilitas harga Bitcoin yang lebih tinggi daripada pergerakan harga terarah. Temuan ini mendemonstrasikan bahwa model deep learning yang sophisticated dapat secara efektif menangkap dinamika pasar yang digerakkan sentimen, memberikan wawasan berharga bagi investor cryptocurrency, platform trading, dan analis pasar yang berusaha memahami pengaruh media sosial pada pasar aset digital.

Penelitian ini berhasil mengidentifikasi korelasi positif signifikan (r = 0,4569, p = 0,0428) antara sentimen media sosial dan volatilitas harga Bitcoin menggunakan model transformer RoBERTa Large.Analisis komparatif menunjukkan hierarki kinerja yang jelas.RoBERTa Large > RoBERTa Base > BERTweet > VADER > TextBlob, memperkuat efektivitas optimisasi model dalam analisis finansial.Korelasi positif antara sentimen dan volatilitas menunjukkan bahwa sentimen media sosial menjadi indikator perhatian pasar dan aktivitas perdagangan, bukan arah harga.Temuan ini memberikan bukti empiris bahwa platform media sosial berfungsi sebagai mekanisme agregasi sentimen pasar, menciptakan pola observabel yang berkorelasi dengan perilaku pasar aktual.

1. Penelitian lanjutan dapat mengeksplorasi pengaruh platform media sosial lain selain X terhadap volatilitas cryptocurrency dengan membandingkan data dari platform seperti Reddit atau Telegram. 2. Pengembangan model prediksi volatilitas berbasis jaringan saraf tiruan (LSTM) untuk mengoptimalkan respons terhadap perubahan sentimen real-time dalam pasar cryptocurrency. 3. Analisis multibahasa terhadap sentimen media sosial global untuk memahami dinamika pasar yang berbeda di wilayah geografis berbeda, dengan fokus pada ekosistem cryptocurrency yang berbeda.

  1. An Analysis of Different Sentiment Analysis Models on Financial Text using Transformer | Atlantis Press.... atlantis-press.com/proceedings/icaiehs-25/126016578An Analysis of Different Sentiment Analysis Models on Financial Text using Transformer Atlantis Press atlantis press proceedings icaiehs 25 126016578
  2. 0. pdf obj type catalog pages outlines endobj kids count parenttree rolemap worksheet part macrosheet... aircconline.com/mlaij/V10N3/10323mlaij01.pdf0 pdf obj type catalog pages outlines endobj kids count parenttree rolemap worksheet part macrosheet aircconline mlaij V10N3 10323mlaij01 pdf
  3. BITCOIN PRICE VOLATILITY ANALYSIS: A DEEP LEARNING APPROACH TO X (FORMERLY TWITTER) SENTIMENT | Jurnal... ejournal.kresnamediapublisher.com/index.php/jri/article/view/432BITCOIN PRICE VOLATILITY ANALYSIS A DEEP LEARNING APPROACH TO X FORMERLY TWITTER SENTIMENT Jurnal ejournal kresnamediapublisher index php jri article view 432
Read online
File size509.86 KB
Pages10
DMCAReport

Related /

ads-block-test