Sentiment Analisis Terhadap Cryptocurrency Berdasarkan Comment Dan Reply Pada Platform Twitter

  • Adam Prasetya Universitas Bina Darma
  • Ferdiansyah Ferdiansyah Universitas Bina Darma
  • Yesi Novaria Kunang Universitas Bina Darma
  • Edi Surya Negara Universitas Bina Darma
  • Winoto Chandra Universitas Bina Darma
Keywords: analisis sentiment, klasifikasi, opini , cryptocurrency, metode, naive bayes, support vector machine, accuracy

Abstract

Analisis sentiment saat ini banyak di gunakan masyarat sebagai bahan untuk mengetahui pendapat atau opini masyarakat
tentang berbagai macam hal. Dengan menggunakan sentiment analisis kita dapat mengklasifikasikan data apakah data tersebut
termasuk opini netral opini positif opini negatif. Penelitian ini membahas tentang analisis sentiment untuk mengukur tingkat
akurasi dari pendapat masyarakat pada tiga cryptocurrency yaitu Bitcoin,ethereum,ripple dengan metode Naive Bayes dan
support vector machine yang berguna untuk mengetahui nilai akurasi yang tertinggi dari dua metode yang digunakan dalam
penelitian ini. Ada banyak metode yang bisa digunakan untuk mengkasifikasikan opini tersebut, namun penelitian ini dipilih
metode Naive Bayes dan Support vector machine, dengan alasan metede tersebut banyak di gunakan oleh peneliti lain dan
menghasilkan nilai akurasi yang tinggi. Hasil dari penelitian ini adalah berupa data perbandingan dari akurasi. hasil akurasi
dari 3 cryptocurrency SVM lebih besar dari pada nilai akurasi 3 cryptocurrency Naive Bayes.

Downloads

Download data is not yet available.

References

E. Dourado and J. Brito, “Cryptocurrency,” in The New Palgrave Dictionary of Economics, Palgrave Macmillan, Ed. London: Palgrave Macmillan UK, 2014, pp. 1–9. doi: 10.1057/978-1-349-95121-5_2895-1.

S. H. Othman, R. Z. R. Radzi, and D. Stiawan, “A Study of Bitcoin Stock Market Prediction: Methods, Techniques and Tools,” p. 5.

Y. Takhteyev, A. Gruzd, and B. Wellman, “Geography of Twitter networks,” Soc. Netw., vol. 34, no. 1, pp. 73–81, Jan. 2012, doi: 10.1016/j.socnet.2011.05.006.

E. Stenqvist and J. Lönnö, “Predicting Bitcoin price fluctuation with Twitter sentiment analysis,” p. 37.

B. Liu, “Sentiment Analysis and Opinion Mining,” p. 168.

E. Retnawiyati, “Analisis Sentimen Pada Data Twitter dengan Menggunakan Text Mining terhadap Suatu Produk,” p. 6.

T. R. Li, A. S. Chamrajnagar, X. R. Fong, N. R. Rizik, and F. Fu, “Sentiment-Based Prediction of Alternative Cryptocurrency Price Fluctuations Using Gradient Boosting Tree Model,” Front. Phys., vol. 7, p. 98, Jul. 2019, doi: 10.3389/fphy.2019.00098.

B. Liu, “Sentiment Analysis and Subjectivity,” p. 38.

M. Z. Nafan and A. E. Amalia, “Kecenderungan Tanggapan Masyarakat terhadap Ekonomi Indonesia berbasis Lexicon Based Sentiment Analysis,” J. MEDIA Inform. BUDIDARMA, vol. 3, no. 4, p. 268, Oct. 2019, doi: 10.30865/mib.v3i4.1283.

M. Rani and J. Arora, “Twitter Data Predicting Geolacation Using Data Mining Techniques,” vol. 4, no. 6, p. 8.

Published
2021-06-25
Abstract views: 152 times
Download PDF: 79 times
How to Cite
Prasetya, A., Ferdiansyah, F., Kunang, Y., Negara, E., & 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