Analisis Sentimen Persepsi Publik pada Bitcoin dan Ethereum dalam Cryptocurrency Terbesaar di Indonesia Menggunakan Recurrent Neuralnetwork (RNN) dengan Long Short Term Memory (SLTM)

Abstract

Cryptocurrency, khususnya Bitcoin dan Ethereum, merupakan dua aset kripto terbesar yang menarik perhatian masyarakat Indonesia. Seiring meningkatnya popularitas kedua aset tersebut, berbagai opini publik banyak disampaikan melalui media sosial, salah satunya YouTube. Komentar pengguna pada video yang membahas Bitcoin dan Ethereum menjadi sumber data potensial untuk mengetahui sentimen publik. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap Bitcoin dan Ethereum berdasarkan komentar YouTube menggunakan metode Recurrent Neural Network (RNN) dengan Long Short- Term Memory (LSTM). Data penelitian diperoleh melalui proses crawling komentar YouTube menggunakan YouTube Data API v3 pada lima video terkait cryptocurrency dengan total 11.231 komentar berbahasa Indonesia. Data kemudian diproses melalui tahapan praproses teks, meliputi penghapusan duplikasi, normalisasi teks, tokenisasi, stopwords removal, stemming. Pelabelan sentimen dilakukan menggunakan pendekatan lexicon berbobot untuk menghasilkan tiga kelas sentimen, yaitu positif, netral, dan negatif, yang selanjutnya digunakan untuk melatih model RNN-LSTM. Hasil pengujian menunjukkan bahwa model RNN-LSTM mampu mengklasifikasikan sentimen komentar dengan tingkat akurasi sebesar 86%. Model memiliki performa sangat baik pada sentimen negatif dan cukup baik pada sentimen positif, namun masih terbatas dalam mengenali sentimen netral. Secara keseluruhan, penelitian ini membuktikan bahwa metode RNN-LSTM efektif untuk analisis sentimen komentar YouTube terkait Bitcoin dan Ethereum serta memberikan gambaran persepsi publik terhadap cryptocurrency di Indonesia.di Indonesia.