Model Deep Learning Hybrid Transformer-CNN Berbasis Attention untuk Analisis Sentimen Diskursus Cryptocurrency di Platform Twitter

Vilbert Kosasih, Nathan (2026) Model Deep Learning Hybrid Transformer-CNN Berbasis Attention untuk Analisis Sentimen Diskursus Cryptocurrency di Platform Twitter. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (497kB)
	PDF BAB_I.pdf Download (280kB)
	PDF BAB_II.pdf Download (873kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (439kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (5MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (248kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (268kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (809kB)
	Archive (ZIP) 00000069903_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

Perkembangan pasar cryptocurrency yang pesat dan memiliki tingkat volatilitas tinggi menjadikan sentimen publik di media sosial sebagai salah satu faktor penting dalam memahami dinamika pasar serta perilaku investor. Platform Twitter memuat diskursus cryptocurrency dalam jumlah besar, bersifat cepat, informal, dan tidak terstruktur, sehingga diperlukan pendekatan analisis sentimen otomatis untuk mengklasifikasikan opini publik secara lebih efektif. Penelitian ini bertujuan untuk mengembangkan model analisis sentimen berbasis deep learning pada diskursus cryptocurrency di platform Twitter menggunakan arsitektur hybrid Transformer­CNN yang diperkuat dengan attention mechanism. Penelitian ini menggunakan tahapan Knowledge Discovery in Databases (KDD), meliputi selection, pre- processing, transformation, modelling, dan evaluation. Model yang diuji terdiri dari BERT, CryptoBERT, CryptoBERT­CNN, serta CryptoBERT­ CNN+Attention dengan metrik evaluasi accuracy, F1-score, loss, dan execution time. Hasil penelitian menunjukkan bahwa model CryptoBERT­ CNN+Attention memperoleh performa terbaik dengan accuracy sebesar 97,30%, F1-score 95,23%, loss 0,1569, dan execution time 143,39 menit. Selain itu, uji korelasi Spearman menunjukkan bahwa sentiment index memiliki korelasi positif yang lemah namun signifikan terhadap harga Bitcoin, dengan nilai r = 0,1203 dan p = 0,005219. Dengan demikian, model hybrid berbasis attention mampu meningkatkan performa klasifikasi sentimen, meskipun sentimen publik belum dapat dijadikan satu-satunya indikator pergerakan harga cryptocurrency.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Vilbert Kosasih, Nathan (00000069903)
Contributors:	Wella, Wella
Keywords:	Attention Mechanism, CNN, CryptoBERT, Cryptocurrency, Sentiment Analysis
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	08 Jul 2026 08:00
URI:	https://kc.umn.ac.id/id/eprint/47224

Actions (login required)

View Item