ANALISIS SENTIMEN PENGGUNA TWITTER (X) TERHADAP MATA UANG KRIPTO DENGAN METODE RANDOM FOREST DAN SMOTE
DOI:
https://doi.org/10.55719/curtina.v5i2.1649Keywords:
Sentiment Analysis, Bitcoin, Twitter, Random Forest, SMOTE, CryptocurrencyAbstract
Inovasi digital telah membawa perubahan signifikan di berbagai sektor, termasuk komunikasi dan pelayanan publik. Salah satu teknologi yang menarik perhatian adalah mata uang kripto, yang dianggap sebagai revolusi alat pembayaran yang efektif, efisien, aman, dan terdesentralisasi. Bitcoin, mata uang digital pertama yang diciptakan oleh Satoshi Nakamoto pada tahun 2009, masih menjadi mata uang kripto dengan kapitalisasi pasar terbesar hingga saat ini. Salah satu media social yang memainkan peran penting dalam mengumpulkan dan menyebarkan opini masyarakat tentang mata uang kripto adalah Twitter (X). Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter (X) terhadap mata uang kripto menggunakan metode Random Forest serta menggunakan SMOTE (Synthetic Minority Oversampling Technique) untuk mengatasi ketidakseimbangan data. Hasil penelitian menunjukan bahwa SMOTE dapat membuat model lebih seimbang dalam menemukan kelas minoritas dengan hasil, pada data yang tidak menggunakan SMOTE memiliki nilai akurasi 86%, precision 84%, recall 64% dan F1-Score 69%. Sedangkan pada data yang menggunakan SMOTE memiliki nilai akurasi 84%, precision 74%, recall 74% dan F1-score 74%.
Downloads
References
Amrullah, A. Z., Anas, A. S., & Hidayat, M. A. J. (2020). Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square. Jurnal, 2(1), 40–44. https://doi.org/10.30812/bite.v2i1.804
Anjani, A. F., Anggraeni, D., & Tirta, I. M. (2023). Implementasi Random Forest Menggunakan SMOTE untuk Analisis Sentimen Ulasan Aplikasi Sister for Students UNEJ. Jurnal Nasional Teknologi Dan Sistem Informasi, 9(2), 163–172. https://doi.org/10.25077/teknosi.v9i2.2023.163-172
Arsi, P., Hidayati, L. N., & Nurhakim, A. (2022). Komparasi Model Klasifikasi Sentimen Issue Vaksin Covid-19 Berbasis Platform Instagram. Jurnal Media Informatika Budidarma, 6(1), 459. https://doi.org/10.30865/mib.v6i1.3509
Audrey, O., Ratnawati, D. E., & Arwani, I. (2022). Analisis Sentimen Pengguna Twitter Terhadap Opini Non Fungible Token di Indonesia Menggunakan Algoritma Random Forest Classifier. 6(12), 5889–5897. http://j-ptiik.ub.ac.id
Aulia, T. M. P., Arifin, N., & Mayasari, R. (2021). PERBANDINGAN KERNEL SUPPORT VECTOR MACHINE (SVM) DALAM PENERAPAN ANALISIS SENTIMEN VAKSINISASI COVID-19. SINTECH (Science and Information Technology) Journal, 4(2), 139–145. https://doi.org/10.31598/sintechjournal.v4i2.762
Basar, T. F., Ratnawati, D. E., & Arwani, I. (2022). Analisis Sentimen Pengguna Twitter terhadap Pembayaran Cashless menggunakan Shopeepay dengan Algoritma Random Forest. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(3), 1426–1433. http://j-ptiik.ub.ac.id
Daffa, M., Rifqi, A., & Yunianto, D. R. (2023). ANALISIS SENTIMEN BERITA PROGRAM CSR PADA APLIKASI SR-APP OLAHKARSA. Jurnal Informatika Dan Teknik Elektro Terapan, 11(3s1). https://doi.org/10.23960/jitet.v11i3s1.3413
Ismail, A. R., & Hakim, R. B. F. (2023). Implementasi Lexicon Based Untuk Analisis Sentimen Dalam Mengetahui Trend Wisata Pantai Di DI Yogyakarta Berdasarkan Data Twitter. Emerging Statistics and Data Science Journal, 1(1), 37–46. https://doi.org/10.20885/esds.vol1.iss.1.art5
Jihad, M. A. A., Adiwijaya, & Astuti, W. (2021). Analisis Sentimen Terhadap Ulasan Film Menggunakan Algoritma Random Forest. E-Proceeding of Engineering, 8(4), 10153–10164.
Liu, Y., Ott, M., Goyal, N., Du, J., Joshi, M., Chen, D., Levy, O., Lewis, M., Zettlemoyer, L., & Stoyanov, V. (2019). RoBERTa: A Robustly Optimized BERT Pretraining Approach. 1.
Munir, M. R. S., Hartatik, & Syafrianto, A. (2022). Sentimen Analis Thread Investasi Pada Twitter Menggunakan Naïve Bayes. The Indonesian Journal of Computer Science Research, 1(1), 44–52. https://doi.org/10.59095/ijcsr.v1i1.13
Prasetya, A., Ferdiansyah, Kunang, Y. N., Negara, E. S., & Chandra, W. (2021). Sentiment Analisis Terhadap Cryptocurrency Berdasarkan Comment Dan Reply Pada Platform Twitter. Journal of Information Systems and Informatics, 3(2), 268–277. https://doi.org/10.33557/journalisi.v3i2.124
Riyanto, R. A., Cahyana, Y., & Rahmat. (2024). PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN CRYPTOCURRENCY PADA MEDIA SOSIAL TWITTER. V, 104–111.
Rozaq, A., Yunitasari, Y., Sussolaikah, K., Sari, E. R. N., & Syahputra, R. I. (2022). Analisis Sentimen Terhadap Implementasi Program Merdeka Belajar Kampus Merdeka Menggunakan Naïve Bayes, K-Nearest Neighboars Dan Decision Tree. Jurnal Media Informatika Budidarma, 6(2), 746. https://doi.org/10.30865/mib.v6i2.3554
Soemedhy, C. A. A., Trivetisia, N., Winanti, N. A., Martiyaningsih, D. P., Utami, T. W., & Sudianto, S. (2022). Analisis Komparasi Algoritma Machine Learning untuk Sentiment Analysis (Studi Kasus: Komentar YouTube “Kekerasan Seksual”). Jurnal Informatika: Jurnal Pengembangan IT, 7(2), 80–84. https://doi.org/10.30591/jpit.v7i2.3547
Waskita, Z. C., & Santika, R. R. (2022). Analisis Sentimen Masyarakat Terhadap Koin Crypto Di Indonesia Pada Twitter Menggunakan Metode Naive Bayes. Prosiding Seminar Nasional …, September. https://sipora.polije.ac.id/16786/%0Ahttps://sipora.polije.ac.id/16786/4/DAFTAR PUSTAKA.pdf
Wijayanti, N. P. Y. T., Kencana, E. N., & Sumarjaya, I. W. (2021). Smote: Potensi Dan Kekurangannya Pada Survei. E-Jurnal Matematika, 10(4), 235. https://doi.org/10.24843/mtk.2021.v10.i04.p348
Yasir, M., & Suraji, R. (2023). PERBANDINGAN METODE KLASIFIKASI NAÏVE BAYES, DECISION TREE, RANDOM FOREST TERHADAP ANALISIS SENTIMEN KENAIKAN BIAYA HAJI 2023 PADA MEDIA SOSIAL YOUTUBE. Jurnal Cahaya Mandalika (JCM), 3(2), 180–192.
