ANALISIS SENTIMEN PENGGUNA APLIKASI X TERHADAP TONCOIN MENGGUNAKAN METODE NAÏVE BAYES DENGAN PSO
Abstract
Abstrak. Perkembangan aset kripto yang pesat telah meningkatkan minat masyarakat terhadap berbagai jenis cryptocurrency, termasuk Toncoin. Opini pengguna media sosial, khususnya pada Aplikasi X, dapat mencerminkan sentimen publik terhadap Toncoin sehingga penting untuk dianalisis guna memahami persepsi masyarakat terhadap aset digital tersebut. Penelitian ini bertujuan untuk menganalisis sentimen pengguna Aplikasi X terhadap Toncoin menggunakan algoritma Multinomial Naïve Bayes dan meningkatkan kinerjanya melalui optimasi Particle Swarm Optimization (PSO). Data penelitian diperoleh dari tweet yang berkaitan dengan Toncoin, kemudian dilakukan tahap prapemrosesan yang meliputi pembersihan data, case folding, tokenisasi, penghapusan stopword, dan stemming. Ekstraksi fitur dilakukan menggunakan TF-IDF, dengan pembagian data sebesar 70% sebagai data latih dan 30% sebagai data uji. Hasil penelitian menunjukkan bahwa model Naïve Bayes tanpa optimasi menghasilkan akurasi sebesar 73% dan weighted F1-score sebesar 72,6%. Setelah dilakukan optimasi menggunakan PSO, diperoleh parameter alpha optimal sebesar 0,2356 yang meningkatkan performa model menjadi akurasi 73,9% dan weighted F1-score 73,5%. Hasil penelitian menunjukkan bahwa optimasi PSO mampu meningkatkan kinerja Naïve Bayes dalam mengklasifikasikan sentimen pengguna Aplikasi X terhadap Toncoin, meskipun peningkatan yang diperoleh relatif kecil.
Downloads
References
A. Syahrul, A. I. Purnamasari, and I. Ali, “Analisis Sentimen Twitter Terhadap Cryptocurrency Menggunakan Algoritma Naive Bayes Dan Decision Tree,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 2, pp. 2213–2220, 2024.
R. A. Muhammad, E. Haerani, F. Wulandari, and L. Oktavia, “Penerapan Metode Naïve Bayes dengan PSO pada Analisis Sentimen Pengguna Aplikasi X terhadap Bitcoin,” vol. 14, pp. 1990–2003, 2025.
A. A. Corrs, A. Syam, and V. Aris, “Analisis Sentimen Tren Cryptocurrency Menggunakan Machine Learning,” Journal of Artificial Intelligence and Digital Business, vol. 3, no. 4, pp. 59–66, 2025.
S. Li and J. Ma, “The Impact of Sentiment and Engagement of Twitter Posts on Cryptocurrency Price Movement,” vol. 65, p. 105598, 2024.
M. Murugesapandian, “Sentiment Analysis on Cryptocurrency Tweets Using Machine Learning,” International Journal of Scientific Research in Engineering and Management, vol. 7, no. 10, pp. 1–11, 2023.
N. Merlina, A. Chandra, and N. A. Mayangky, “Penerapan PSO untuk Sentiment Analisis pada Review Mata Uang Kripto Menggunakan Metode Naive Bayes,” INTI, vol. 18, no. 2, 2024.
Y. Septiawan, A. Aglasia, and D. A. Muktiawan, “Peningkatan Performa Analisis Sentimen Ulasan Pelanggan terhadap Layanan Pengiriman Menggunakan Model Naïve Bayes yang Dioptimalkan dengan PSO,” Review Teknologi, vol. 3, no. 1, pp. 10–19, 2025.
U. Surapati, V. Arinal, T. Wahyudi, and A. Fauzan, “Sentiment Analysis of the Trending Topic #IndonesiaGelap on X Using a Naive Bayes Algorithm Based on Particle Swarm Optimization,” International Journal of Applied Mathematics and Computing, vol. 2, no. 2, pp. 24–32, 2025.
A. Gerliandeva, Y. H. Chrisnanto, and H. Ashaury, “Optimasi Klasifikasi Sentimen pada Komentar Online Menggunakan Multinomial Naïve Bayes dan Ekstraksi Fitur TF-IDF serta N-Grams,” Jurnal Pekommas, vol. 9, no. 2, pp. 259–272, 2024.
V. I. Fitriani, O. Herdiana, and R. G. Guntara, “Sentiment Analysis for User Review Classification on Jenius Application Using Naive Bayes Algorithm Based on Particle Swarm Optimization,” Indonesian Journal of Digital Business, vol. 4, no. 2, 2024.
E. A. Elly, “Optimasi Naive Bayes Berbasis PSO untuk Analisa Sentimen Perkembangan Artificial Intelligence di Twitter,” INTI Nusa Mandiri, pp. 65–70, 2023.
N. C. Mulyani, Y. H. Agustin, and W. S. Prasetya, “Analisis Sentimen Opini Publik Menggunakan Algoritma Naive Bayes,” vol. 22, pp. 1373–1384, 2025.
J. Sutrisno and G. Eka, “Analisis Sentimen Pada Aplikasi Livin’ by Mandiri Menggunakan Metode TF-IDF dan Naive Bayes,” vol. 17, no. 1, 2024.
D. Septiani and I. Isabela, “Analisis Term Frequency Inverse Document Frequency (TF-IDF) dalam Temu Kembali Informasi pada Dokumen Teks,” SINTESIA: Jurnal Sistem dan Teknologi Informasi Indonesia, vol. 1, no. 2, 2022.
W. A. Firmansyach, U. Hayati, and Y. A. Wijaya, “Analisa Terjadinya Overfitting dan Underfitting pada Algoritma Naive Bayes dan Decision Tree dengan Teknik Cross Validation,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 1, pp. 262–269, 2023.
A. N. Alghifari and M. A. Azis, “Analisis Sentimen Masyarakat terhadap Kebijakan Efisiensi Anggaran Pemerintah Menggunakan Metode Naive Bayes,” Jurnal Jawara Sistem Informasi, vol. 2, no. 1, pp. 1–6, 2025.
T. A. Anastasya, A. Diani, P. Saka, M. J. Deke, and A. M. Rizki, “Optimasi Algoritma SVM dengan PSO untuk Analisis Sentimen pada Media Sosial X terhadap Kinerja Timnas di Era Shin Tae-Yong,” vol. 9, no. 1, pp. 384–391, 2025.
S. Devi, W. Pratama, F. Panjaitan, M. I. Herdiansyah, S. D. Purnamasari, N. Adha, and O. Saputri, “Penerapan Metode Machine Learning Naïve Bayes pada Twitter terhadap Sentimen Pembelajaran Daring di Indonesia,” vol. 8, no. 6, pp. 11684–11688, 2024.
A. Y. Pawestri, B. Kurniawan, M. S. R. Ubbadurrohman, and C. Aprilia, “Analisa Legalitas dan Potensi Kejahatan Finansial pada Penggunaan Cryptocurrency di Indonesia,” National Multidisciplinary Sciences, vol. 4, no. 3, pp. 111–112, 2025.
N. Blesyova and F. N. Hasan, “Analisis Sentimen Terhadap Bea Cukai Menggunakan Support Vector Machine dan K-Fold Cross Validation,” vol. 8, no. 6, pp. 12051–12056, 2024.
A. Ruslan, Pavel Durov: Rise of Telegram and Ecosystem of TON Coin. Jakarta: Penerbit Digital, 2024.
A. Susanto et al., Cryptocurrency Era 5.0: Revolusi Keuangan Digital. Jakarta: SIEGA Publisher, 2025.
N. Suarna, W. Prihartono, and T. Informatika, “Penerapan NLP (Natural Language Processing) dalam Analisis Sentimen,” vol. 8, no. 2, pp. 1841–1846, 2024.
A. S. Muis, Data Mining: Konsep, Metode, dan Aplikasi. Jakarta: Faaslib Serambi Media, 2025.
N. Umar, Data Mining: Konsep dan Penerapannya. Jakarta: PT Sonpedia Publishing Indonesia, 2025.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
