<![CDATA[The resignation of Indonesia’s Minister of Finance in 2025 generated substantial public attention on social media and sparked concerns about its possible implications for the Indonesia Composite Stock Price Index (IHSG). This study investigates public sentiment related to the event and evaluates its association with IHSG performance. The analysis utilized 4,655 Twitter/X posts collected between 21 August and 26 September 2025. Public sentiment was classified using the Multinomial Naive Bayes algorithm combined with TF-IDF feature weighting, while the relationship between sentiment indicators and IHSG fluctuations was assessed through Spearman rank correlation and Ordinary Least Squares (OLS) regression. The sentiment classification model demonstrated strong performance, achieving 82.53% accuracy and an AUC value of 0.960. Negative sentiment accounted for the largest proportion of online discussions (46.1%). The results reveal that public sentiment did not exert a significant influence on IHSG movements within the same trading day. However, positive sentiment from the preceding period significantly affected the subsequent day’s IHSG log-return (β = 0.0322; p = 0.033), indicating that market reactions to social media sentiment tend to occur with a temporal delay. Keywords: Sentiment analysis; IHSG; Naive Bayes; TF-IDF; Social media Abstrak Pengunduran diri Menteri Keuangan Republik Indonesia pada tahun 2025 memicu perhatian luas masyarakat di media sosial dan menimbulkan kekhawatiran mengenai potensi dampaknya terhadap pergerakan Indeks Harga Saham Gabungan (IHSG). Penelitian ini bertujuan menganalisis sentimen publik yang muncul terkait peristiwa tersebut serta mengkaji hubungannya dengan dinamika IHSG. Data penelitian terdiri atas 4.655 unggahan Twitter/X yang dikumpulkan selama periode 21 Agustus hingga 26 September 2025. Analisis sentimen dilakukan menggunakan algoritma Multinomial Naive Bayes dengan pembobotan TF-IDF, sedangkan hubungan antara sentimen dan pergerakan IHSG dianalisis melalui korelasi Spearman dan regresi Ordinary Least Squares (OLS). Hasil pengujian menunjukkan bahwa model klasifikasi memiliki kinerja yang baik dengan tingkat akurasi sebesar 82,53% dan nilai AUC sebesar 0,960. Sentimen negatif mendominasi percakapan publik dengan proporsi 46,1%. Temuan penelitian mengindikasikan bahwa sentimen publik tidak memberikan pengaruh yang signifikan terhadap pergerakan IHSG pada hari perdagangan yang sama. Namun, sentimen positif pada periode sebelumnya terbukti berpengaruh signifikan terhadap log-return IHSG pada hari berikutnya (β = 0,0322; p = 0,033). Hasil ini menunjukkan adanya respons pasar yang tertunda terhadap sentimen publik yang berkembang di media sosial. Kata kunci: Analisis sentimen; IHSG; Naive Bayes; TF-IDF; Media Sosial]]>
