Prediksi Harga Saham Menggunakan Sentimen Pilkada DKI Jakarta 2017 Dengan Algoritma Support Vector Machine
Article Sidebar
Main Article Content
Abstract
Twitter merupakan salah satu sosial media yang paling banyak dipakai di Indonesia, tidak hanya sebagai sarana berbagi informasi terkait hal – hal pribadi tetapi juga bisa berupa opini terhadap suatu topik. Tidak hanya sebagai pusat infromasi, twitter juga bisa digunakan sebagai pusat data berupa teks. Pilkada DKI Jakarta 2017 merupakan salah satu topik yang menarik untuk di bahas. Tidak hanya sebagai penentu kepemimpinan Jakarta untuk 5 tahun kedepan, tetapi karena pengaruh yang dimilikinya terhadap beberapa sektor di Indoensia. Tweet yang membahas topik Pilkada DKI Jakarta 2017 bisa diolah untuk mendapatkan informasi yang berguna, misalnya sentimen yang terjadi selama peristiwa politik ini terjadi. Sentimen yang didapat bisa digunakan dalam prediksi harga saham selama masa Pilkada. Untuk bisa mendapatkan sentimen dari data teks dari twitter, sentiment anaylsis digunakan untuk mengekstrak informasi dari tweet yang sudah dikumpulkan. Untuk melakukan sentiment analysis, algoritma support vector machine dipakai untuk mengklasifikasikan tweet kedalam target kelas. Hasil dari klasifikasi sentimen digunakan sebagai salah satu pembobot dalam regresi linier untuk memprediksi harga saham. Hasil dari pengujian menunjukkan bahwa penggunaan sentimen Pilkada DKI Jakarta 2017 untuk memprediksi harga saham cukup baik. Dimana nilai RMSE yang didapat oleh masing-masing saham bervariasi karena saham-saham yang dipilih berasal dari sektor yang berbeda. BBRI 58.974, SRTG 101.188, WIKA 52.042, ADHI 93.420 dan APLN 17.342.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
H. T. Permana, P. A. Mahadwartha, and B. S. Sutejo, “Perbedaan Abnormal Return pada Sektor Keuangan Sebelum dan Sesudah Peristiwa Pilkada Gubernur DKI Jakarta 20 September 2012,” Calyptra-Jurnal Ilm. Mhs. Univ. Surabaya, 2013.
B. Liu, “Sentiment Analysis and Opinion Mining,” Synth. Lect. Hum. Lang. Technol., 2012.
M. Skuza and A. Romanowski, “Sentiment Analysis of Twitter Data within Big Data Distributed Environment for Stock Prediction,” vol. 5, pp. 1349–1354, 2015.
H. Al-Rubaiee, R. Qiu, and D. Li, “Analysis of the relationship between Saudi twitter posts and the Saudi stock market,” 2015 IEEE 7th Int. Conf. Intell. Comput. Inf. Syst. ICICIS 2015, pp. 660–665, 2016.
A. Agarwal, B. Xie, I. Vovsha, … O. R.-P. of the, and undefined 2011, “Sentiment analysis of twitter data,” dl.acm.org.
G. Paltoglou, M. T.-P. of the 48th annual meeting of the, and undefined 2010, “A study of information retrieval weighting schemes for sentiment analysis,” dl.acm.org.
C. Simoes, R. Neves, and N. Horta, “Using sentiment from Twitter optimized by Genetic Algorithms to predict the stock market,” in 2017 IEEE Congress on Evolutionary Computation, CEC 2017 - Proceedings, 2017.
S. K. Khatri, H. Singhal, and P. Johri, “Sentiment Analysis to Predict Bombay Stock Exchange Using Artificial Neural Network,” pp. 0–4, 2014.
M. Makrehchi, S. Shah, and W. Liao, “Stock prediction using event-based sentiment analysis,” in Proceedings - 2013 IEEE/WIC/ACM International Conference on Web Intelligence, WI 2013, 2013.
V. S. Pagolu, K. N. R. Challa, G. Panda, and B. Majhi, “Sentiment Analysis of Twitter Data for Predicting Stock Market Movements,” Scopes, 2016.
S. Aich, H.-C. Kim, M. Sain, and B. B. Deo, “Analyzing stock price changes using event related Twitter feeds,” 2017 19th Int. Conf. Adv. Commun. Technol., 2017.