Analisis Sentimen terhadap Akuisisi Saham Tokopedia oleh TikTok Menggunakan Naïve Bayes berdasarkan Komentar YouTube
Kata Kunci:
confusion matrix, k-fold cross validation, naïve bayes classifier, saham, TF-IDFAbstrak
Saham memiliki peran penting dalam pertumbuhan ekonomi, terutama ekonomi domestik dengan menerima deviden. Adanya fenomena meningkatnya Penanaman Modal Asing (PMA) mampu meningkatkan nilai pasar saham, namun berdampak pada keuntungan perseorangan domestik ketika porsi kepemilikan saham asing meningkat. Peristiwa PMA oleh TikTok menuai sebuah kontroversi karena mengakuisisi saham 75,01% Tokopedia. Adanya opini yang bersifat proaktif dan kontradiktif terhadap peristiwa tersebut dapat digunakan untuk menilai arah pendangan masyarakat secara garis besar. Penelitian ini bertujuan untuk menganalisis sentimen publik berupa respon positif dan negatif terhadap akuisisi saham Tokopedia oleh TikTok. Platform yang digunakan untuk mengumpulkan data adalah YouTube dengan memuat sebanyak 1000 dokumen komentar. Proses pengumpulan tersebut menggunakan metode scraping data. Algoritma yang digunakan dalam penelitian adalah Naïve Bayes Classifier (NBC). Tahapan penelitian terdiri dari pengumpulan dan pengolahan data, text preprocessing, pembobotan TF-IDF, penerapan NBC, pengujian validasi, dan evaluasi matriks. Hasil penelitian menunjukkan, pengujian validasi dengan k-fold cross validation pada perlakuan A atau mempertahankan negasi dan B atau menghilangkan negasi dengan rasio 630:70 (perlakuan 2) menghasilkan score terbaik berupa rerata akurasi, yakni 80.514% dan 79.348%. begitu juga dengan pengujian confusion matrix, pada perlakuan A atau mempertahankan negasi dan B atau menghilangkan negasi dengan rasio 700:70 (perlakuan 2) menghasilkan akurasi, presisi, recall, dan F1-score terbaik, yakni pada perlakuan A 80.51%, 82.54%, 77,4%, 79.89% dan perlakuan B 79.35%, 80.7%, 77.14%, 78.88%.
Referensi
Gunawan, B., Pratiwi, H., Pratama, E. 2018. Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes. Jurnal Edukasi dan Penelitian Informatika 4(2): 113-119
Kantardzic, Mehmed. 2020. Data Mining: Concepts, Models, Methods, and Algorithms. IEEE Press: New Jersey
Khadafi, M., Kartika, K., Febrinita, F. 2022. Penerapan Metode Naïve Bayes Classifier dan Lexicon Based untuk Analisis Sentimen Cyberbullying pada BPJS. Jurnal Mahasiswa Teknik Informatika 6(2): 725-735
Kristiyanti, S., Umam, A., Wayhudi, M., Amin, R., Marlinda, L. 2018. Comparison of SVM & Naïve Bayes Algorithm for Sentiment Analysis Toward West Java Governor Candidate Period 2018-2023 Based on Public Opinion on Twitter. The 6th International Conference on Cyber and IT Service Management: 7-9
Luque, A., Carrasco, A., Martin, A., Heras, A. 2019. The Impact of Class Imbalance in Classification performance Metrics Based on the binary Confusion Matrix. Pattern Recognition Journal 91: 216-231
Manning, C., Raghavan, P., dan Schutze, H. 2008. Intoduction to Information Retrieval. Cambridge University Press: New York
Mardiana, L., Kusnandar, D., Setyahadewi, N. 2022. Analisis Diskriminan dengan K-Fold Cross Validation untuk Klasifikasi Kualitas Air di Kota Pontianak. BIMASTER 11(1): 97-102
Ningtyas, A., Solichin, A., dan Pradana, R. 2023. Analisis Sentimen Komentar YouTube Tentang Prediksi Resesi Ekonomi Tahun 2023 Menggunakan Algoritma Naïve Bayes. Jurnal Bit 20(1): 9-16
Purbayanto, B., dan Suharsono, T. 2023. Analisis Sentimen Penggunaan X Terhadap Chatgpt dengan Algoritma Naïve Bayes. Jurnal Telematika 18(2): 63-71
Sari, F., dan Wibowo, A. 2019. Analisis Sentimen Pelanggan Toko Online JD.ID Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi. Jurnal SIMETRIS 10(2): 681-686
Sarkar, Dipanjan. 2016. Text Analytics with Python: A Practical Real-World Approach to Gaining Actionable Insights from Your Data. Apress: India
Wang, Yadong., Jia, Yanlin., Tian, Yuhang., Xiao, Jin. 2022. Deep Reinforcement Learning with the Confusion-matrix-based Dynamic Reward Function for Customer Credit Scoring. Expert Systems with Application 200: 1-17
Gunawan, B., Pratiwi, H., Pratama, E. 2018. Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes. Jurnal Edukasi dan Penelitian Informatika 4(2): 113-119
Kantardzic, Mehmed. 2020. Data Mining: Concepts, Models, Methods, and Algorithms. IEEE Press: New Jersey
Khadafi, M., Kartika, K., Febrinita, F. 2022. Penerapan Metode Naïve Bayes Classifier dan Lexicon Based untuk Analisis Sentimen Cyberbullying pada BPJS. Jurnal Mahasiswa Teknik Informatika 6(2): 725-735
Kristiyanti, S., Umam, A., Wayhudi, M., Amin, R., Marlinda, L. 2018. Comparison of SVM & Naïve Bayes Algorithm for Sentiment Analysis Toward West Java Governor Candidate Period 2018-2023 Based on Public Opinion on Twitter. The 6th International Conference on Cyber and IT Service Management: 7-9
Luque, A., Carrasco, A., Martin, A., Heras, A. 2019. The Impact of Class Imbalance in Classification performance Metrics Based on the binary Confusion Matrix. Pattern Recognition Journal 91: 216-231
Manning, C., Raghavan, P., dan Schutze, H. 2008. Intoduction to Information Retrieval. Cambridge University Press: New York
Mardiana, L., Kusnandar, D., Setyahadewi, N. 2022. Analisis Diskriminan dengan K-Fold Cross Validation untuk Klasifikasi Kualitas Air di Kota Pontianak. BIMASTER 11(1): 97-102
Ningtyas, A., Solichin, A., dan Pradana, R. 2023. Analisis Sentimen Komentar YouTube Tentang Prediksi Resesi Ekonomi Tahun 2023 Menggunakan Algoritma Naïve Bayes. Jurnal Bit 20(1): 9-16
Purbayanto, B., dan Suharsono, T. 2023. Analisis Sentimen Penggunaan X Terhadap Chatgpt dengan Algoritma Naïve Bayes. Jurnal Telematika 18(2): 63-71
Sari, F., dan Wibowo, A. 2019. Analisis Sentimen Pelanggan Toko Online JD.ID Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi. Jurnal SIMETRIS 10(2): 681-686
Sarkar, Dipanjan. 2016. Text Analytics with Python: A Practical Real-World Approach to Gaining Actionable Insights from Your Data. Apress: India
Wang, Yadong., Jia, Yanlin., Tian, Yuhang., Xiao, Jin. 2022. Deep Reinforcement Learning with the Confusion-matrix-based Dynamic Reward Function for Customer Credit Scoring. Expert Systems with Application 200: 1-17
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.