Analisis Sentimen Persepsi Publik pada Bitcoin dan Ethereum dalam Cryptocurrency Terbesaar di Indonesia Menggunakan Recurrent Neuralnetwork (RNN) dengan Long Short Term Memory (SLTM)
Tahun 2026 · Penulis: Fakhrut Tawwabin
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/15562
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Cryptocurrency, khususnya Bitcoin dan Ethereum, merupakan dua aset kripto terbesar yang menarik perhatian masyarakat Indonesia. Seiring meningkatnya popularitas kedua aset tersebut, berbagai opini publik banyak disampaikan melalui media sosial, salah satunya YouTube. Komentar pengguna pada video yang membahas Bitcoin dan Ethereum menjadi sumber data potensial untuk mengetahui sentimen publik. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap Bitcoin dan Ethereum berdasarkan komentar YouTube menggunakan metode Recurrent Neural Network (RNN) dengan Long Short- Term Memory (LSTM). Data penelitian diperoleh melalui proses crawling komentar YouTube menggunakan YouTube Data API v3 pada lima video terkait cryptocurrency dengan total 11.231 komentar berbahasa Indonesia. Data kemudian diproses melalui tahapan praproses teks, meliputi penghapusan duplikasi, normalisasi teks, tokenisasi, stopwords removal, stemming. Pelabelan sentimen dilakukan menggunakan pendekatan lexicon berbobot untuk menghasilkan tiga kelas sentimen, yaitu positif, netral, dan negatif, yang selanjutnya digunakan untuk melatih model RNN-LSTM. Hasil pengujian menunjukkan bahwa model RNN-LSTM mampu mengklasifikasikan sentimen komentar dengan tingkat akurasi sebesar 86%. Model memiliki performa sangat baik pada sentimen negatif dan cukup baik pada sentimen positif, namun masih terbatas dalam mengenali sentimen netral. Secara keseluruhan, penelitian ini membuktikan bahwa metode RNN-LSTM efektif untuk analisis sentimen komentar YouTube terkait Bitcoin dan Ethereum serta memberikan gambaran persepsi publik terhadap cryptocurrency di Indonesia.di Indonesia.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,759
Tahun 2026 · Penulis: Shafa Kamila
Analisis Sentimen Berbasis Aspek terhadap Pilkada Jember 2024 Menggunakan Model IndoBERT dan Algoritma LDA
Dinamika politik yang mengarah ke Eleksi Jember Regional 2024 memicu lonjakan signifikan opini publik di YouTube dan platform TikTok. Bahasa media sosial yang tidak resmi, termasuk bahasa slang, singkatan, dan dialek campuran, menghadirkan tantangan analisis m
- Cosine 0,748
Tahun 2024 · Penulis: Arham Zainul Abidin
Analisis Sentimen Pengguna Twitter terhadap Citra Merek ChatGPT Menggunakan Rule-based, Support Vector Machine, dan Lexicon-based
Seorang chatbot yang didasarkan pada kecerdasan buatan, ChatGPT, memicu kontroversi dalam berbagai media berita karena hal itu dapat berpotensi menggantikan pekerjaan manusia, khususnya dalam tulisan. Sebagai teknologi baru, ChatGPT secara alami menghadapi pro
- Cosine 0,733
Tahun 2026 · Penulis: Ubaid Farid Handoko
Ekstraksi Opini Negatif dan Klasifikasi Sentimen Pengguna Menggunakan Latent Dirichlet Allocation dan Support Vector Machine pada Program Danantara di Media Sosial X
Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap Program Danantara di media sosial X dengan menggabungkan Latent Dirichlet Alokasi (LDA) untuk ekstraksi topik dan Dukungan Mesin Vektor (SVM) untuk klasifikasi sentimen. Dataset terdiri dari