Peningkatan Kinerja Model Machine Learning dalam Sentiment Analysis Cryptocurrency melalui Pendekatan Feature Selection Berbasis Swarm Intelligence

Suhali, Jason (2024) Peningkatan Kinerja Model Machine Learning dalam Sentiment Analysis Cryptocurrency melalui Pendekatan Feature Selection Berbasis Swarm Intelligence. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (857kB)
	PDF BAB_I.pdf Download (978kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (889kB)
	PDF DAFTAR_PUSTAKA.pdf Download (855kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (5MB)

Abstract

Cryptocurrency merupakan mata uang digital yang dapat dijadikan sebagai alat untuk bertransaksi di seluruh dunia. Pakar ekonomi dunia memprediksi bahwa tren cryptocurrency akan mengalami kenaikan dari tahun sebelumnya. Hal tersebut didukung dengan penyetujuan kebijakan Bitcoin Spot Exchange Trade Funds (ETF) oleh Komisi Sekuritas dan Bursa Amerika Serikat. Namun, terdapat masyarakat yang skeptis atau memilih untuk menahan diri pada tren cryptocurrency tersebut. Hal tersebut dikarenakan tidak pernah ada pernyataan resmi dari lembaga manapun dan siapa yang mengatur alur perkembangan cryptocurrency. Penelitian ini menggunakan framework KDD. Penelitian dimulai dengan melakukan teknik web scrapping untuk mengumpulkan dataset dari platform X. Setelah data didapatkan, dilakukan preprocessing data yang meliputi data cleansing, labeling, pembobotan kata, dan SMOTE. Selanjutnya, dilakukan modeling dengan algoritma machine learning SVM, KNN, dan Naïve Bayes. Setelah itu, dilakukan optimasi feature selection menggunakan PSO, ACO, dan CSO terhadap semua model machine learning. Penelitian ini melakukan optimasi model machine learning pada peningkatan akurasi, classification report, dan time execution. Hasil penelitian mengungkapkan bahwa algoritma ACO-SVM memiliki tingkat akurasi tertinggi, yakni 86,95%. Terjadi peningkatan akurasi sebesar 2% dari yang sebelumnya adalah 84,91%. Waktu pemrosesan pemodelan juga mengalam percepatan yang signifikan, dari sebelumnya 5.416 detik menjadi 0,882 detik. Oleh karena itu, penggunaan algoritma optimasi feature selection berbasis swarm intelligence terbukti dapat meningkatkan kinerja model machine learning.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Cryptocurrency, Feature Selection , Machine Learning, Sentiment Analysis, Swarm Intelligence
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Nov 2024 09:59
Last Modified:	11 Nov 2024 09:59
URI:	https://kc.umn.ac.id/id/eprint/34384

Actions (login required)

View Item