SELEKSI FITUR INFORMATION GAIN (IG) PADA KLASIFIKASI DATA OPINI SAHAM MENGGUNAKAN METODE NAÏVE BAYES
Abstract
Perkembangan media sosial dan website sebagai media penyebaran informasi sangat cepat dan mudah diakses. Namun hal tersebut tidak sepenuhnya akurat dan dapat ditanggapi oleh berbagai pihak seperti investor dan calon investor sehingga dapat memicu sentimen investor yang berdampak pada harga saham perusahaan. Sentimen sebagai proses mengidentifikasi opini dalam bentuk teks yang dapat dikelompokkan menjadi sentimen positif atau negatif. Penelitian ini bertujuan untuk menguji penggunaan metode Information Gain dalam proses klasifikasi opini publik atas saham ke dalam kelas sentimen positif atau kelas sentimen negative dengan metode klasifikasi Nave Bayes Classifier. Dari hasil penelitian diperoleh bahwa akurasi klasifikasi yang dihasilkan dengan menggunakan metode seleksi fitur Information Gain meningkat dari 42,86% menjadi 50%.
Downloads
References
Dimas Pratama, N., Sari, Y. A., & Adikara, P. P. (2018). Analisis Sentimen Pada Review Konsumen Menggunakan Metode Naive Bayes Dengan Seleksi Fitur Chi Square Untuk Rekomendasi Lokasi Makanan Tradisional (Vol. 2). Retrieved from http://j-ptiik.ub.ac.id
Jumeilah, F. S. (2018). Klasifikasi Opini Masyarakat Terhadap Jasa Ekspedisi JNE dengan Naïve Bayes. JURNAL SISTEM INFORMASI BISNIS, 8(1), 92. https://doi.org/10.21456/vol8iss1pp92-98
Korde, V. (2012). Text Classification and Classifiers: A Survey. International Journal of Artificial Intelligence & Applications, 3(2), 85–99. https://doi.org/10.5121/ijaia.2012.3208
Kumar, L., & Bhatia, P. K. (2013). Text Mining: Concepts, Process, and Applications. Journal of Global Research in Computer Science, 4(3), 36–39. Retrieved from https://www.researchgate.net/publication/260341572
Maulida, I., Suyatno, A., & Rahmania Hatta, H. (2016). Seleksi Fitur Pada Dokumen Abstrak Teks Bahasa Indonesia Menggunakan Metode Information Gain. JSM STMIK Mikroskil, 17, 249–258.
Negara, A. B. P., Muhardi, H., & Putri, I. M. (2020). Analisis Sentimen Maskapai Penerbangan Menggunakan Metode Naive Bayes dan Seleksi Fitur Information Gain. Jurnal Teknologi Informasi Dan Ilmu Komputer, 7(3), 599–606. https://doi.org/10.25126/jtiik.202071947
Prakoso, B. S., Rosiyadi, D., Aridarma, D., Utama, H. S., Fauzi, F., & Qhomar, M. A. N. (2019). Optimalisasi Klasifikasi Berita Menggunakan Feature Information Gain Untuk Algoritma Naive Bayes Terhubung Random Forest. Jurnal Pilar Nusa Mandiri, 15(2), 211–218. https://doi.org/10.33480/pilar.v15i2.684
Utami, L. D., & Wahono, R. S. (2015). Integrasi Metode Information Gain Untuk Seleksi Fitur dan Adaboost Untuk Mengurangi Bias Pada Analisis Sentimen Review Restoran Menggunakan Algoritma Naïve Bayes. Journal of Intelligent Systems, 1(2).
Xie, C., & Wang, Y. (2017). Does Online Investor Sentiment Affect the Asset Price Movement? Evidence from the Chinese Stock Market. Mathematical Problems in Engineering, 2017. https://doi.org/10.1155/2017/2407086
Yang, W., Lin, D., & Yi, Z. (2017). Impacts of the mass media effect on investor sentiment. Finance Research Letters, 22, 1–4. https://doi.org/10.1016/j.frl.2017.05.001