PENGGUNAAN METODE SUPPORT VECTOR MACHINE (SVM) DALAM MENGANALISA SENTIMEN PUBLIK PADA APLIKASI STOCKBIT DI SOSIAL MEDIA X

Riqi Alamsyah; Aslam Fatkhudin; Imam Rosyadi

Publikasi

Karya Ilmiah Mahasiswa

Pencarian Spesifik

Kunjungan

Quick Search

Detail Record

Kembali Ke sebelumnya

PENGGUNAAN METODE SUPPORT VECTOR MACHINE (SVM) DALAM MENGANALISA SENTIMEN PUBLIK PADA APLIKASI STOCKBIT DI SOSIAL MEDIA X

Pengarang : Riqi Alamsyah, Aslam Fatkhudin, Imam Rosya

Kata Kunci :Analisis Sentimen, Investasi, Media Sosial X, Stockbit, Support Vector Machine

Perkembangan teknologi dan digitalisasi telah meningkatkan minat masyarakat terhadap investasi saham melalui platform daring seperti Stockbit. Stockbit merupakan salah satu aplikasi investasi saham yang popular di Indonesia karena menyediakan fitur lengkap, seperti analisis fundamental, diskusi komunitas investor, serta simulasi perdagangan saham secara virtual. Namun, persepsi pengguna terhadap aplikasi ini bervariasi, yang dapat mempengaruhi keputusan investasi. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen publik terhadap aplikasi Stockbit di media sosial X menggunakan metode Support Vector Machine (SVM). Penelitian ini menggunakan pendekatan kuantitatif dengan teknik pengambilan data melalui crawling dari media sosial X dalam rentang waktu 1 April 2022 hingga 1 April 2024. Proses analisis data mencakup preprocessing teks, labelling data, pembobotan kata dengan menggunakan Term Frequency- Inverse Document Frequency (TF-IDF), serta klasifikasi sentimen menggunakan algoritma SVM. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan f1-score untuk menilai efektivitas klasifikasi. Hasil penelitian menunjukkan bahwa mayoritas pandangan publik terhadap aplikasi Stockbit bersifat positif (57,4%), diikuti oleh sentimen netral (26,5%) dan negatif (16,1%). Model SVM dengan kernel polynomial memberikan akurasi terbaik sebesar 96,67%, dibandingkan dengan kernel lainnya. Dengan hasil ini metode SVM terbukti efektif dalam mengklasifikasikan sentimen publik terhadap aplikasi Stockbit.

NASKAH PUBLIKASI

Referensi

Adib, K., Handayani, M. R., Yuniarti, W. D., & Umam, K. (2024). Opini Publik Pasca-Pemilihan Presiden: Eksplorasi Analisis Sentimen Media Sosial X Menggunakan SVM. SINTECH (Science and Information Technology) Journal, 7(2), 80–91. https://doi.org/10.31598/sintechjournal.v7i2.1581

Agustina, D. A., Subanti, S., & Zukhronah, E. (2021). Implementasi Text Mining Pada Analisis Sentimen Pengguna Twitter Terhadap Marketplace di Indonesia Menggunakan Algoritma Support Vector Machine. Indonesian Journal of Applied Statistics, 3(2), 109. https://doi.org/10.13057/ijas.v3i2.44337

Baskara, A., & Wijaya, P. A. (2023). Penerapan Aplikasi “ Virtual Trading ” Stockbit Pada Mata Kuliah Praktikum Pasar Modal. Peka, 10(2), 78–85. https://doi.org/10.25299/peka.2022.vol10(2).11334

Darwis, D., Pratiwi, E. S., & Pasaribu, A. F. O. (2020). Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia. Edutic - Scientific Journal of Informatics Education, 7(1), 1–11. https://doi.org/10.21107/edutic.v7i1.8779

Dewi, M. R. (2020). Klasifikasi Akses Internet Oleh Anak-Anak dan Remaja Dewasa di Jawa Timur Menggunakan Support Vector Machine. Jurnal Riset Dan Aplikasi Matematika (JRAM), 4(1), 17. https://doi.org/10.26740/jram.v4n1.p17-27

Dharmawan, W. S. (2021). KOMPARASI ALGORITMA KLASIFIKASI SVM-PSO DAN C4.5-PSO DALAM PREDIKSI PENYAKIT JANTUNG. 13(2), 31–41.

Eka Sembodo, J., Budi Setiawan, E., & Abdurahman Baizal, Z. (2016). Data Crawling Otomatis pada Twitter. September, 11–16. https://doi.org/10.21108/indosc.2016.111

Erfina, A., Basryah, E. S., Saepulrohman, A., & Lestari, D. (2020). Analisis Sentimen Aplikasi Pembelajaran Online Di Play Store Pada Masa Pandemi Covid-19 Menggunakan Algoritma Support Vector Machine (Svm). Seminar Nasional Informatika (SEMNASIF), 1(1), 145–152. http://jurnal.upnyk.ac.id/index.php/semnasif/article/view/4094

Farros, M., Haq, I., Rosyadi, I., Nasir, M., & Khambali, A. (2024). Sentiment Analisis Ulasan Aplikasi Livin Pada Google Play Store. Jurnal Surya Informatika, 14(1), 24–29. https://doi.org/10.48144/SURYAINFORMATIKA.V14I1.1785

Fitriyah, N., Warsito, B., & Maruddani, D. A. I. (2020). Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (Svm. Jurnal Gaussian, 9(3), 376–390. https://doi.org/10.14710/j.gauss.v9i3.28932

Hardani, Helmina Andriani, Jumari Ustiawaty, Evi Fatmi Utami, Ria Rahmatul Istiqomah, Roushandy Asri Fardani, Dhika Juliana Sukmana, N. H. A. (2020). Buku Metode Penelitian Kualitatif. In Revista Brasileira de Linguística Aplicada (Vol. 5, Issue 1).

Harnelia, H. (2024). Analisis Sentimen Review Skincare Skintific Dengan Algoritma Support Vector Machine (Svm). Jurnal Informatika Dan Teknik Elektro Terapan, 12(2). https://doi.org/10.23960/jitet.v12i2.4095

Helmi Satria. (2024). https://helmisatria.com/blog/cara-mendapatkan-data-twitter-yang-besar/

Juli, V. N., Jl, A., Madya, R., Anyar, G., Gn, K., & Timur, J. (2024). Perbandingan Performa Labeling Lexicon InSet dan VADER pada Analisa Sentimen Rohingya di Aplikasi X dengan SVM. 1(3).

Juliantari, N. P. E. (2015). Bisnis Berbasis Teknologi Pada Aplikasi Stockbit. Osf.Io, 6. https://osf.io/preprints/us96h/

Kasi, Y. (2023). Implementasi Lexicon Based dan Algoritma Long Short-Term Memory (LSTM) pada Analisis Sentimen Twitter Terhadap Isu Kesehatan Mental= Implementation of …. http://repository.unhas.ac.id/id/eprint/32400/

Kavabilla, F. E., Widiharih, T., & Warsito, B. (2023). Analisis Sentimen Pada Ulasan Aplikasi Investasi Online Ajaib Pada Google Play Menggunakan Metode Support Vector Machine Dan Maximum Entropy. Jurnal Gaussian, 11(4), 542–553. https://doi.org/10.14710/j.gauss.11.4.542-553

KSEI Indonesia Central Securities Depository. (2024). Statistik Pasar Modal Indonesia. Publikasi PT Kustodian Sentral Efek Indonesia, 1–7. https://www.ksei.co.id/publications/demografi_investor

Lestari, S., & Saepudin, S. (2021). Support Vector Machine: Analisis Sentimen Aplikasi Saham di Google Play Store. JUSIFO (Jurnal Sistem Informasi), 7(2), 81–90. https://doi.org/10.19109/jusifo.v7i2.9825

Meylisa Anditya Pratiwi. (2022). Analisis Sentimen Untuk Mengetahui Perspektif Masyarakat Mengenai Vaksin Covid-19. 13–20.

Nadhifah, S., Aini, F. N., Kusumawardhani, H. H., & Febrianto, M. Y. (2024). Analisis Sentimen Ulasan Aplikasi Gopay Pada Google Play Store Menggunakan Algoritma Support Vector Machine. Jurnal Surya Informatika, 14(1), 1–6. https://doi.org/10.48144/SURYAINFORMATIKA.V14I1.1787

Norwahidah Mohamad Yazid. (2024). A Sentiment Analysis of Autism Tweets. Journal of Electrical Systems, 20(4s), 582–589. https://doi.org/10.52783/jes.2074

Obey Al Farobi. (2021). Implementasi Metode Support Vector Machine ( Svm ) Untuk Mengetahui Respon Masyarakat Indonesia Terhadap Implementasi Metode Support Vector Machine ( Svm ) Untuk Mengetahui Respon Masyarakat Indonesia Terhadap. Repository.Uinjkt.Ac.Id, 82. https://repository.uinjkt.ac.id/dspace/handle/123456789/65151%0Ahttps://repository.uinjkt.ac.id/dspace/bitstream/123456789/65151/1/OBEY AL FAROBI-FST.pdf

OJK (Otoritas Jasa Kauangan). (2024). https://www.ojk.go.id/id/kanal/pasar-modal/Pages/Daftar-Perusahaan-Pasar-Modal.aspx?RootFolder=%2Fid%2Fkanal%2Fpasar-modal%2FDaftar Perusahaan%2FData Pelaku Pengelolaan Investasi&FolderCTID=0x0120008506C33CED0EC4439B73B72098EAB2B7&View=%7BAC0B2198-C081-4CF3-9D88-FA6CDDD9A93B%7D

Pamungkas, B., Syaifuddin, A., & Muslimin, M. (2021). Analisis Sentimen Twitter MenggunakanMetode Support Vector Machine (SVM) padaKasus Benih Lobster 2020. Journal of Informatics, Information System, Software Engineering and Applications, 3(2), 10–20.

Prakasha, I. M. K. K. (2023). Penerapan Intent Sentimen Analisis Terhadap Review Aplikasi Mobile Legend Pada Playstore. 5–7.

Rahmi, F. (2020). Analisis Sentimen Berdasarkan Aspek Pada Ulasan Tempat Wisata Menggunakan Modified K-Nearest Neighbor. 8–21. https://elibrary.unikom.ac.id/id/eprint/4043/%0Ahttps://elibrary.unikom.ac.id/id/eprint/4043/8/UNIKOM_Faisal Rahmi_BAB 2.pdf

Rumbiak, G. C. L., Murwaniputri, H., & Wakarmamu, C. (2023). Penggunaan Aplikasi Stockbit Sebagai Strategi Value Investing Bagi Investor Millenial. Cenderabakti: Jurnal Pengabdian Kepada Masyarakat, 2(2), 13–17. https://doi.org/10.55264/cdb.v2i2.30

Saputra, A. (2023). Analisis Sentimen Aplikasi Investasi Reksa Dana (Bibit) Menggunakan Metode Support Vector Machine. http://eprints.upnyk.ac.id/id/eprint/36621

Seno, D. W., & Wibowo, A. (2019). Analisis Sentimen Data Twitter Tentang Pasangan Capres-Cawapres Pemilu 2019 Dengan Metode Lexicon Based Dan Support Vector Machine. Jurnal Ilmiah FIFO, 11(2), 144. https://doi.org/10.22441/fifo.2019.v11i2.004

Siti Aisah, I., Irawan, B., & Suprapti, T. (2024). Algoritma Support Vector Machine (Svm) Untuk Analisis Sentimen Ulasan Aplikasi Al Qur’an Digital. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3759–3765. https://doi.org/10.36040/jati.v7i6.8263

Subowo, E., Fath, H. Al, & Haryanto, J. N. (2024). Algoritma Support Vector Machine dalam Analisis Sentimen Aplikasi Primer League Pada Google Play Store. Jurnal Surya Informatika, 14(1), 13–17. https://doi.org/https://doi.org/10.48144/suryainformatika.v14i1.1786

Subowo, E., & Ribowo, T. J. (2021). Sentiment Embeddings Word2Vec Pada Klasifikasi Kepuasan Karyawan Pada Manajemen Rto Group. Jurnal Surya Informatika: Membangun …, 10(1), 44–48. https://jurnal.umpp.ac.id/index.php/surya_informatika/article/view/1122%0Ahttps://jurnal.umpp.ac.id/index.php/surya_informatika/article/download/1122/852

Tineges, R., Triayudi, A., & Sholihati, I. D. (2020). Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM). Jurnal Media Informatika Budidarma, 4(3), 650. https://doi.org/10.30865/mib.v4i3.2181

Properti	Nilai Properti
Organisasi	Universitas Muhammadiyah Pekajangan Pekalongan
Email	umpp.pekalongan@yahoo.com
Alamat	Jl. Raya Pekajangan No. 1A Kedungwuni Pekalongan
Telepon	(0285) 7832294
Tahun	2025
Kota	Pekalongan
Provinsi	Jawa Tengah
Negara	Indonesia