Analisis Sentimen Aplikasi Investasi

Nurul Fathiah Annisa D; Syamsu  Alam; Muh  Jamil

doi:10.24252/best.v4i2.49416

Nurul Fathiah Annisa D Universitas Negeri Makassar
(ID)
Syamsu Alam Universitas Negeri Makassar
(ID)
Muh Jamil Universitas Negeri Makassar
(ID)

DOI: https://doi.org/10.24252/best.v4i2.49416

Keywords: Sentiment Analysis, Investment Application, Machine Learning, Naive Bayes

Abstract

Penelitian ini menganalisis sentimen dan mengumpulkan informasi berdasarkan sentimen pengguna terhadap aplikasi investasi yang tersedia di Google Play Store. Aplikasi investasi yang dianalisis adalah Bibit, Ajaib, Pluang, Stockbit, dan Bareksa. Pengumpulan data dilakukan melalui dua metode, yaitu studi literatur dan web scraping. Studi literatur dilakukan untuk mendapatkan informasi terkait dengan masalah penelitian, metode, serta kelebihan dan kekurangan penelitian sebelumnya. Selanjutnya, ulasan aplikasi investasi dikumpulkan menggunakan teknik web scraping, yaitu proses pengumpulan data secara otomatis dari situs web menggunakan perangkat lunak. Jenis penelitian yang dilakukan menggunakan penelitian kuantitatif deskriptif. Jenis penelitian ini bertujuan untuk menggambarkan atau menjelaskan suatu variabel dengan menggunakan data kuantitatif. Penelitian kuantitatif dilakukan pada tahap perhitungan dan pemrosesan data dengan pengembangan model Machine Learning. Pada hasil analisis menunjukkan bahwa aplikasi Pluang memiliki jumlah sentimen positif tertinggi sebanyak 487 ulasan dengan nilai akurasi sebesar 79,5%. Hasil analisis sentimen aplikasi investasi akan dideskripsikan dengan mengunakan pendekatan asosiasi kata. Untuk semua aplikasi, fokus pada peningkatan kualitas sistem dan layanan pelanggan untuk mengurangi sentimen negatif dan meningkatkan pengalaman pengguna

Author Biographies

Nurul Fathiah Annisa D, Universitas Negeri Makassar

Bisnis Digital

Syamsu Alam, Universitas Negeri Makassar

Bisnis Digital

Muh Jamil, Universitas Negeri Makassar

Bisnis Digital

References

Akhir, T. (2023). INVESTASI REKSA DANA ( BIBIT ).

Amaliah, F., & Dwi Nuryana, I. K. (2022). Perbandingan Akurasi Metode Lexicon Based Dan Naive Bayes Classifier Pada Analisis Sentimen Pendapat Masyarakat Terhadap Aplikasi Investasi Pada Media Twitter. Journal of Informatics and Computer Science (JINACS), 3(03), 384–393. https://doi.org/10.26740/jinacs.v3n03.p384-393

Azhar, R., Surahman, A., & Juliane, C. (2022). Analisis Sentimen Terhadap Cryptocurrency Berbasis Python TextBlob Menggunakan Algoritma Naïve Bayes. Jurnal Sains Komputer & Informatika (J-SAKTI, 6(1), 267–281.

Bonar, J. (1926). “The Theory of Moral Sentiments,” By Adam Smith, 1759. Philosophy, 1(3), 333–353. https://doi.org/10.1017/S0031819100023536

Delamothe, T. (2008). Complexity theory. Bmj, 336(7656). https://doi.org/10.1136/bmj.39602.443785.47

Demografi, D., Domestik, S. I., Indonesia, P. M., & Investor, S. (2024). Statistik Pasar Modal Indonesia Pertumbuhan Investor.

Handiwidjojo, W., & Ernawati, L. (2016). Pengukuran Tingkat Ketergunaan ( Usability ) Sistem Informasi Keuangan. Juisi, 02(01), 49–55.

Hasanudin, Nurwulandari, A., & Safitri, R. K. (2021). PENGARUH PENGETAHUAN INVESTASI, MOTIVASI DAN PELATIHAN PASARMODAL TERHADAP KEPUTUSAN INVESTASI YANG DIMEDIASI OLEHMINAT INVESTASI (Studi. JIMEA | Jurnal Ilmiah MEA (Manajemen, Ekonomi, Dan Akuntansi), Vol. 5 No.(3), 494–512.

Karimi, Z. (2021). Confusion Matrix. October.

Kautish, S., & Kaur, R. (2017). Sentiment Analysis- From Theory to Practice. LAMBERT Accademic Printing, July, 90.

Kavabilla, F. E., Widiharih, T., Warsito, B., Statistika, D., & Diponegoro, U. (2023). Analisis sentimen pada ulasan aplikasi investasi online ajaib pada google play menggunakan metode support vector machine dan maximum entropy. 11, 542–553. https://doi.org/10.14710/j.gauss.11.4.542-553

Komputer, J. S. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. 5(November 2019), 697–711.

Lestari, S., & Saepudin, S. (2021). Support Vector Machine : Analisis Sentimen Aplikasi Saham di Google Play Store PENDAHULUAN cara untuk mengembangkan aset jangka panjang dan juga dapat digunakan sebagai dalam mengembangkan suatu perusahaan melalui investasi . Investasi saham sendiri pusat. 7(2).

Lisangan, E. A., Gormantara, A., & Carolus, R. Y. (2022). Implementasi Naive Bayes pada Analisis Sentimen Opini Masyarakat di Twitter Terhadap Kondisi New Normal di Indonesia. KONSTELASI: Konvergensi Teknologi Dan Sistem Informasi, 2(1), 23–32. https://doi.org/10.24002/konstelasi.v2i1.5609

Mas Pintoko, B., & Muslim, K. (2018). Analisis Sentimen Jasa Transportasi Online pada Twitter Menggunakan Metode Naïve Bayes Classifier. E-Proceeding of Engineering, 5(3), 8121–8130.

Maulana, B. A., & Fahmi, M. J. (2024). Sentiment Analysis of Pluang Applications With Naive Bayes and Support Vector Machine ( SVM ) Algorithm Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine ( SVM ). 4(April), 375–384.

Parker, J. (2010). T HEORIES OF I NVESTMENT.

Qadrini, L., Sepperwali, A., & Aina, A. (2021). Decision Tree Dan Adaboost Pada Klasifikasi Penerima Program Bantuan Sosial. Jurnal Inovasi Penelitian, 2(7), 1959–1966.

Roufia, A. (2018). Text Mining Dengan Metode Naïve Bayes Classifier Untuk Mengklasifikan Berita Berdasarkan Konten. 8.

Studi, P., Informatika, T., Informatika, J. T., Komputer, F. I., & Brawijaya, U. (2019). ANALISIS SENTIMEN OPINI FILM MENGGUNAKAN METODE NAÏVE BAYES DAN LEXICON BASED FEATURES.

Tamardina, F. A., Yasin, H., & Ispriyanti, D. (2022). Analisis Sentimen Review Aplikasi Cryptocurrency Menggunakan Algoritma Maximum Entropy Dengan Metode Pembobotan Tf, Tf-Idf Dan Binary. Jurnal Gaussian, 11(1), 1–10. https://doi.org/10.14710/j.gauss.v11i1.34004

Wardhana, A. (2022). Pengantar ilmu investasi. March.