HABIBI PUTRA INDRIZAL, - (2026) KlasifikasiSentimenBitcoinTerhadapKomentarDiAplikasiXMenggunakanMetodeDecisionTreeC4.5. Bulletin of Computer Science Research, 6 (1). pp. 2774-3659. ISSN ISSN 2774-3659 (Media Online)

Preview	Text (ARTIKEL JURNAL) jurna habibi - Habibi Putra Indrizal Teknik Informatika.pdf - Published Version Download (1MB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI MAHASISWA) Persetujuan Publikasi. (1) - Habibi Putra Indrizal Teknik Informatika.pdf - Published Version Download (520kB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI DOSEN) Berita acara kelayakan tugas akhir paperbased - Habibi Putra Indrizal Teknik Informatika.pdf - Published Version Download (1MB) | Preview

Abstract

Abstrak−Analisis sentimen merupakan salah satu metode penting untuk memahami persepsi pengguna terhadap aset kripto seperti Bitcoin, yang pergerakan harganya sangat dipengaruhi oleh opini publik. Penelitian ini bertujuan untuk mengklasifikasikan sentimen komentar pengguna pada platform X ke dalam dua kelas, yaitu positif dan negatif, menggunakan algoritma Decision Tree C4.5. Dataset yang digunakan berjumlah 5.000 komentar berbahasa Indonesia yang diperoleh melalui proses web scraping dan telah melalui tahapan preprocessing teks serta ekstraksi fitur menggunakan TF-IDF. Model dilatih menggunakan skema pembagian data 70% data latih dan 30% data uji. Hasil evaluasi menunjukkan bahwa model C4.5 memperoleh akurasi sebesar 78%. Pada kelas positif, model mencapai nilai recall yang sangat tinggi sebesar 0.99 dengan F1-score sebesar 0.83, yang menunjukkan kemampuan model yang sangat baik dalam mengenali komentar positif. Sebaliknya, pada kelas negatif diperoleh recall sebesar 0.51 dengan F1-score sebesar 0.67, meskipun precision-nya tinggi sebesar 0.97. Perbedaan performa antar kelas ini dipengaruhi oleh distribusi data yang tidak sepenuhnya seimbang, di mana jumlah komentar positif lebih dominan dibandingkan komentar negatif, sehingga model cenderung lebih sensitif terhadap kelas mayoritas. Secara keseluruhan, hasil penelitian menunjukkan bahwa algoritma Decision Tree C4.5 cukup efektif untuk klasifikasi sentimen Bitcoin berbahasa Indonesia, namun masih memiliki keterbatasan dalam mengenali kelas minoritas. Penelitian selanjutnya dapat mengkaji penerapan teknik penanganan data tidak seimbang atau algoritma yang lebih kompleks untuk meningkatkan keseimbangan performa antar kelas.Katakunci:Sentimen;Bitcoin;DecisionTreeC4.5;TF-IDF;KlasifikasiTeks

Actions (login required)

View Item