eprintid: 8823
rev_number: 7
eprint_status: archive
userid: 46
dir: disk0/00/00/88/23
datestamp: 2025-01-07 04:49:53
lastmod: 2025-01-07 04:49:53
status_changed: 2025-01-07 04:49:53
type: thesis
metadata_visibility: show
creators_name: Dias Pratama, Wildaa
creators_name: Setyaningsih, Sri
creators_name: Herdianto Situmorang, Boldson
creators_NPM: 065117133
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Dias Pratama, Wildaa
contributors_name: Setyaningsih, Sri
contributors_name: Herdianto Situmorang, Boldson
contributors_NIDN: 0404077905
corp_creators: Universitas Pakuan
corp_creators: Fakultas Matematika dan Ilmu Pnegetahuan Alam
corp_creators: Program Studi Ilmu Komputer
title: Analisis Sentimen Terhadap Cryptocurrency
Pada Social Media Twitter Menggunakan
Metode Long Short-Term Memory
ispublished: pub
subjects: QK
divisions: sch_ecs
full_text_status: public
abstract: Analisis Sentimen Terhadap Cryptocurrency
Pada Social Media Twitter Menggunakan
Metode Long Short-Term Memory
Wildan Dias Pratama1
, Sri Setyaningsih2
, Boldson Herdianto S3
1,2,3 Program Studi Ilmu Komputer Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas
Pakuan Bogor
Abstract
Cryptocurrency merupakan mata uang digital yang diperdagangkan melalui teknologi blockchain dan
menjadi topik pembahasan luas di media sosial, termasuk Twitter. Penelitian ini menganalisis sentimen terhadap
cryptocurrency dengan menggunakan metode Long Short-Term Memory (LSTM). Dataset yang digunakan
terdiri dari 6386 tweet yang diklasifikasikan ke dalam tiga kategori sentimen: positif, netral, dan negatif. Tweet
dalam dataset bervariasi dalam panjang dan kompleksitas, namun semua telah melalui tahap praproses seperti
case folding, tokenisasi, dan stemming.
Ukuran data dan jumlah tweet yang besar dapat mempengaruhi efisiensi proses klasifikasi, sehingga
dilakukan pelabelan sentimen menggunakan pendekatan berbasis leksikon. Pengujian dilakukan dengan
berbagai parameter, termasuk jumlah neuron, learning rate, dan dropout untuk memaksimalkan akurasi. Hasil
uji coba menunjukkan bahwa model LSTM dengan 300 neuron, learning rate 0.001, dan dropout 0.9
memberikan hasil terbaik. Pada data latih, akurasi mencapai 99.64%, sementara pada data uji mencapai 94.36%.
Hasil visualisasi dengan word cloud menunjukkan kata-kata yang paling sering muncul pada sentimen positif,
netral, dan negatif.
Penelitian ini juga menggunakan Latent Dirichlet Allocation (LDA) untuk memodelkan topik yang ada
dalam tweet, menghasilkan sembilan topik utama yang berkaitan dengan cryptocurrency.
Kata kunci: Cryptocurrency; Sentimen Analisis; Long Short-Term Memory; Twitter; Latent Dirichlet
Allocation
date: 2023-09-07
date_type: published
pages: 39
institution: Universitas Pakuan
department: Fakultas Matematika dan Pengetahuan Alam
thesis_type: Skripsi
thesis_name: Sarjana
citation:   Dias Pratama, Wildaa and Setyaningsih, Sri and Herdianto Situmorang, Boldson  (2023) Analisis Sentimen Terhadap Cryptocurrency Pada Social Media Twitter Menggunakan Metode Long Short-Term Memory.  Skripsi thesis, Universitas Pakuan.   
document_url: http://eprints.unpak.ac.id/8823/1/SKRIPSI%20-%20wildan%20dias%20pratama%20065117133.pdf