Pada awal 2017, Bitcoin memasuki masa keemasannya sebagai salah satu instrumen investasi populer yang banyak dibahas kalangan investor dan pedagang. Saat ini adalah kesempatan bagi pemain dalam dunia kriptocurrency untuk mendapatkan keuntungan paling banyak. Dinamika harga bitcoin yang fluktuatif membuat investor dan trader membutuhkan strategi khusus dalam proses penentuan transaksi pasar. Salah satu strategi yang bisa diimplementasikan adalah melalui analisis berita terbaru dari media sosial twitter.com tentang bitcoin untuk kemudian bisa memprediksi probabilitas berita berdampak pada harga bitcoin. Strategi ini dapat dilakukan dengan menggunakan model analisis sentimen. Dalam penelitian ini, penulis mencoba untuk menentukan sentimen berita menggunakan algoritma Machine Learning Multinomial Naïve Bayes. Penelitian ini menggunakan data berita dari twitter.com per tanggal 21 Agustus 2017 sampai 5 Oktober 2017 dengan 30% data pelatihan dan 70% sebagai data uji. Total data yang didapat adalah 772 tweet, yang membuat kumpulan data pelatihan terdiri dari 233 data dan data uji terdiri dari 542 data. Karena penelitian ini menggunakan supervised machine learning, dataset pelatihan diberi label secara manual. Sebagai hasil dari penelitian ini, model tersebut mendapatkan 346 sentimen positif tweets, 72 tweet sentimen netral, dan yang terakhir namun tidak kalah pentingnya adalah 124 sentimen negatif. Sebanyak 542 tweet.

In early 2017, Bitcoin entered its golden age as one of the popular investment instruments that many discussed among investors and traders. This moment is an opportunity for players in the world of cryptocurrency to gain the most profit. The dynamics of bitcoin prices that are fluctuated make investors and traders need a special strategy in the process of determining market transactions. One of the strategies that can be implemented is through the analysis of the latest news from social media twitter.com about bitcoin to then be able to predict the probability of news impact on bitcoin price. This strategy can be done by using sentiment analysis. In this research, the author tries to determine sentiment news using machine learning algorithm Multinomial Naïve Bayes. This study uses news data from twitter.com per date 21th of August 2017 until 5th of October 2017 with 30% of training data and 70% as test data. The total of data obtained is 772 tweets, which make the training dataset consist of 230 data and test dataset of 542 data. Because this research using supervised machine learning, the training dataset are labelled manually. As a result of this study, the model gain 346 positive sentiment tweets, 72 neutral sentiment tweets, and last but not least 124 negative sentiment tweets. Which the total of 542 tweets.

Kata Kunci : sentiment analysis, cryptocurrency, machine learning, multinomial naïve bayes