Analisis Sentimen Terhadap Kripto Menggunakan Metode Machine Learning

Abstract

Pertumbuhan investasi cryptocurrency di Indonesia menunjukkan tren yang signifikan, namun diiringi oleh volatilitas harga yang tinggi dan dinamika opini publik yang fluktuatif di media sosial. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap aset kripto menggunakan data dari media sosial X guna memetakan persepsi masyarakat ke dalam kategori sentimen positif, negatif, dan netral. Data yang digunakan dalam penelitian ini sebanyak 3.118 tweet yang dikumpulkan melalui teknik scraping pada periode 1 Januari 2023 hingga 29 Oktober 2025. Metodologi penelitian meliputi tahap preprocessing, pelabelan otomatis berbasis Lexicon, serta ekstraksi fitur menggunakan Term FrequencyInverse Document Frequency (TF-IDF). Klasifikasi dilakukan dengan membandingkan dua algoritma machine learning, yaitu Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN), yang dioptimalkan menggunakan teknik Hyperparameter Tuning (Grid Search). Hasil pengujian menunjukkan bahwa algoritma SVM memiliki kinerja yang jauh lebih unggul dengan akurasi mencapai 92,66%, serta mampu menjaga keseimbangan precision dan recall pada kelas sentimen yang tidak seimbang. Sebaliknya, algoritma KNN menunjukkan performa yang kurang optimal dengan akurasi sebesar 75,06% akibat fenomena curse of dimensionality. Berdasarkan hasil tersebut, disimpulkan bahwa metode SVM merupakan model yang paling efektif untuk analisis sentimen terhadap kripto pada dataset tekstual berdimensi tinggi.