Laporkan Masalah

Prediksi Fluktuasi Nilai Tukar Rupiah terhadap US Dollar Berbasis Analisis Sentimen Berita Finansial

PUTRI MAYANG SARI, Edi Winarko, Ph.D

2018 | Skripsi | S1 ILMU KOMPUTER

Berita merupakan salah satu kebutuhan wajib manusia yang selalu membutuhkan informasi. Dalam setiap berita terdapat ekspresi subyektif yang menggambarkan sentimen penulis terhadap isi berita, yang mana bisa jadi sentimen tersebut turut mempengaruhi pembaca secara kolektif. Analisis sentimen sangat berguna untuk mengetahui respon yang akan diberikan oleh pembaca terhadap suatu entitas, kejadian, atau sifat. Salah satunya dalam bidang finansial, antara lain untuk melakukan pemantauan terhadap dinamika bidang finansial pihak-pihak yang langsung berhubungan dengan fluktuasi nilai tukar Rupiah terhadap US Dollar. Pada penelitian ini dilakukan percobaan untuk melakukan prediksi fluktuasi nilai tukar mata uang Rupiah terhadap US Dollar setiap harinya dengan menganalisa sentimen berita finansial yang terbit setiap hari dari 1 Agustus hingga 31 Desember 2015. Algoritma yang digunakan untuk membangun model klasifikasi dan prediksi adalah algoritma Support Vector Machine (SVM), Multinomial Naïve Bayes (MNB), dan K-Nearest Neighbors (KNN). Untuk analisis sentimen digunakan fitur unigram dengan pembobotan TF-IDF. Dari pengujian prediksi fluktuasi nilai tukar Rupiah terhadap US Dollar berbasis analisis sentimen berita finansial didapatkan hasil dengan SVM memberikan akurasi 54.8%, dengan MNB 54.3%, dan KNN 54.6%. Akurasi yang kecil untuk prediksi fluktuasi nilai tukar Rupiah terhadap US Dollar ini dapat berarti bahwa sentimen berita finansial bisa jadi tidak terlalu mempengaruhi fluktuasi nilai tukar Rupiah terhadap US Dollar. Dalam penelitian ini didapatkan kesimpulan bahwa untuk melakukan prediksi fluktuasi nilai tukar Rupiah terhadap US Dollar dari klasifikasi sentimen berita finansial, algoritma Support Vector Machine lebih unggul daripada K-Nearest Neighbors dan Multinomial Naïve Bayes.

News is one of the most important part of human being whom always in need of information flow. In every single news, there is the subjective expression which is draw the sentiment of the writer towards the news itself, which could affect the reader collectively. Sentiment analysis is useful to take out the responses given by the readers over an entity, story, or other thing. One of the many, occur in financial world, such as to discover the relation of the exchange rate fluctuation between Indonesian Rupiah to US Dollar. In this research, system is tested to predict the fluctuation between Indonesian Rupiah and US Dollar in daily basis using sentiment analysis of financial news issued from August 1st until December 31st 2015. The method being used is Support Vector Machine (SVM), Multinomial Naïve Bayes (MNB), and K-Nearest Neighbors (KNN). To analyze the sentiment in news, the system uses unigram feature with TF-IDF weighting. In testing step of exchange rate fluctuation prediction using sentiment of the news it is discovered that SVM algorithm resulting in accuration of 54.8%, MNB 54.3%, and KNN 54.6%. Thus, the poor accuration is most likely telling that news sentiment is not always correlated in exchange rate fluctuation because news is not a prime parameter in financial world. In this research, it can be summarize that prediction of Rupiah and US Dollar exchange rate fluctuation using sentiment analysis, Support Vector Machine gives better accuration rather than K-Nearest Neighbors and Multiomial Naïve Bayes algorithm.

Kata Kunci : klasifikasi, analisis sentimen, prediksi, fluktuasi, SVM, MNB, KNN / classification, sentiment analysis, prediction, fluctuation, SVM, MNB, KNN


    Tidak tersedia file untuk ditampilkan ke publik.