Analisis Sentimen Opini Publik Terhadap Peristiwa Bitcoin Halving Pada Data Teks Twitter Menggunakan Metode Naïve Bayes Dan Pembobotan Fitur TF-IDF

Abstract

Penelitian ini bertujuan menganalisis sentimen opini publik terhadap peristiwa Bitcoin Halving pada data teks Twitter menggunakan Naïve Bayes Classifier dan pembobotan fitur TF-IDF. Latar belakang penelitian ini adalah pesatnya pertumbuhan media sosial sebagai sumber data opini publik yang dinamis, khususnya terkait peristiwa finansial seperti Bitcoin Halving. Pendekatan kuantitatif dengan metode deskriptif analitis digunakan untuk mengklasifikasikan sentimen. Populasi penelitian adalah seluruh tweet yang berkaitan dengan topik tersebut, dan sampelnya berjumlah 538 tweet setelah melalui proses crawling dan preprocessing. Instrumen yang digunakan adalah bahasa pemrograman Python dan library tweet-harvest. Hasil penelitian menunjukkan bahwa model Naïve Bayes efektif, dengan akurasi tertinggi sebesar 74% pada rasio pembagian data 80:20. Kesimpulan dari penelitian ini adalah bahwa kombinasi metode tersebut mampu memberikan wawasan berharga mengenai sentimen pasar secara real-time.