Klasifikasi Sentimen Analisis terhadap Cryptocurrency Exchange Menggunakan Naive Bayes untuk Mendukung Keputusan Investor Pemula
Kata Kunci:
Cryptocurrency Exchange, Investasi, Naive Bayes, Sentimen Analisis, Play StoreAbstrak
Investasi dalam cryptocurrency semakin menarik perhatian di tengah perkembangan teknologi finansial dan globalisasi. Cryptocurrency Exchange atau Bursa Pasar Mata Uang Kripto merupakan platform penting bagi para investor dalam melakukan transaksi jual beli aset kripto. Bagi investor pemula, pemahaman sentimen pasar dapat menjadi kunci untuk pengambilan keputusan yang tepat. Penelitian ini bertujuan memberikan rekomendasi kepada investor pemula dalam memilih platform Exchange Cryptocurrency, seperti Binance, KuCoin, Tokocrypto, dan Indodax, melalui analisis sentimen ulasan pengguna di Play Store. Metode penelitian mencakup enam tahap, termasuk pengumpulan data, preprocessing teks, pembobotan, pemodelan Naïve Bayes, dan evaluasi model. Hasil penelitian menunjukkan bahwa Binance memiliki sentimen positif tertinggi dengan nilai precision sebesar 0.99 dan akurasi 95%. Temuan ini dapat menjadi panduan bagi calon pengguna dalam memilih platform Exchange Cryptocurrency dan memberikan masukan bagi pengembang untuk meningkatkan kualitas aplikasi. Kesimpulannya, pemodelan sentimen analisis menggunakan Naïve Bayes memberikan hasil yang baik, dengan akurasi rata-rata lebih dari 93%.
Referensi
G. Eason, B. Noble, and I. N. Sneddon, “On certain integrals of Lipschitz-Hankel type involving products of Bessel functions,” Phil. Trans. Roy. Soc. London, vol. A247, pp. 529–551, April 1955. (references)
A. D. Erni, G. Lathoif. M, 2022, Cryptocurrency Sebagai Mata Uang, Komoditas, dan Instrumen Investasi Dalam Perspektif Sad Dzariah, Al-Manhaj 4, No. 2 : 700 - 706.
L. Y. Qian, “Crypto Exchanges in Indonesia (2023 Analysis)”, CoinGecko, 10 November 2023, [Online]. Tersedia: Top Indonesia Crypto Exchanges | CoinGecko, [Diakses: 22 Januari 2024]
“Peringkat Bursa Kripto Teratas oleh Trust Score”, Tersedia: Peringkat Bursa Kripto Teratas Berdasarkan Trust Score | CoinGecko, [Diakses: 22 januari 2024].
R. Parlika, S. I. Pradika, A. M. Hakim, and K. R. N. M, “Analisis Sentimen Twitter Terhadap Bitcoin dan Cryptocurrency Berbasis Python TextBlob,” J. Ilm. Teknol. Inf. dan Robot., vol. 2, no. 2, pp. 33–37, 2020.
R. Nicole, “Title of paper with only first word capitalized,” J. Name Stand. Abbrev., in press.
Y. Yorozu, M. Hirano, K. Oka, and Y. Tagawa, “Electron spectroscopy studies on magneto-optical media and plastic substrate interface,” IEEE Transl. J. Magn. Japan, vol. 2, pp. 740–741, August 1987 [Digests 9th Annual Conf. Magnetics Japan, p. 301, 1982].
M. Young, The Technical Writer’s Handbook. Mill Valley, CA: University Science, 1989.
H. Naufal. M, 2022, ANALISIS CRYPTOCURRENCY SEBAGAI ALAT ALTERNATIF DALAM BERINVESTASI DI INDONESIA PADA MATA UANG DIGITAL BITCOIN, JIEB 8, No. 2 : 329 - 344.
Q. Q. Jorgy, I. Arief, 2022, RANCANG BANGUN APLIKASI PENJUALAN CRYPTOCURRENCY BERBASIS WEBSITE DENGAN METODE PROTOTYPE (Studi Kasus : PT. Cryptoecer Indonesia Bahagia), Edusaintek 9, No. 3: 627-639.
K. N. J. Atmaja, W. A. R. Chyntia, Suliswaningsih, 2023,Analisis Aplikasi Di Playstore Berdasarkan Rating Dan Type Menggunakan Naive Bayes Dan Logistik Regresi, Purwokerto : Jurnal Teknik Informatika dan Sistem Informasi 10, No.2 : 174-184.
Darwis Dedi, S. Nery, A. Zaenal, 2021, Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional, TEKNO KOMPAK 15, No. 1:131-145.
P. Duta, W. Salim, S. A. Sofian, T. P. Saut, 2023, PENERAPAN NEURAL NETWORK LSTM DALAM MEMPREDIKSI SENTIMEN PENGGUNA TWITTER TERHADAP BITCOIN, TEKINKOM 6, No. 2: 349-354.
C. Hong, H. Songhua, H. Rui, Z. Xiuju, 2021, Improved naive Bayes classification algorithm for traffic risk management, EURASIP, No. 30, 1 - 12.
N. Agung, R. Yoga, 2021, Analisis Optimasi Algoritma Klasifikasi Naive Bayes menggunakan Genetic Algorithm dan Bagging, JURNAL RESTI 5, No. 3 : 504-510.
A. Dyah, I. Kurnia, 2020, Teks Mining untuk Klasifikasi Keluhan Masyarakat Menggunakan Algoritma Naive Bayes, Jurnal IKRA-ITH 4, No. 3 : 125-132. pada Situs Marketplace, JUSTIN 7, No. 4 : 257 - 262.
Hanafi, 2023, Data Cleaning dalam Big Data : Review, Researchgate.
S. W. Putry, W. Arita, S. Indah, 2022, DATA PREPRARATION UNTUK AUTOMATIC SUMMARIZATION VIDEO TO TEXT, JUTEKIN 10, No. 2 : 85 - 94.
P. Adam, Ferdiansyah, K. N. Yesi, N. S. Edi, C. Winoto, 2021, Sentiment Analisis Terhadap Cryptocurrency Berdasarkan Comment Dan Reply Pada Platform Twitter, Journal ISI 3, No. 2 : 268 - 277.
W. K. Ni, P. D. G. Ketut I, R. D. Kadek Ni, 2018, Seleksi Fitur Bobot Kata dengan Metode TFIDF untuk Ringkasan Bahasa Indonesia, MERPATI 6, No. 2 : 119 - 126.
S. Delta, J. Handaru, 2022, ANALISIS SENTIMEN PEMBELAJARAN ONLINE TERHADAP PESERTA DIDIK DALAM MEDIA SOSIAL TWITTER DENGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES, E-JPTI, 65- 75.
