Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Penelitian IPTEKS
Tyas, Salsabila Mazya Permataning
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Education Engineering Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Perbandingan Metode Klasifikasi Sentimen Berita Saham: Pendekatan Machine Learning, Deep Learning, Transfer Learning, dan Graf Tyas, Salsabila Mazya Permataning; Sarno, Riyanarto; Rintyarna, Bagus Setya
Jurnal Penelitian IPTEKS Vol. 9 No. 1 (2024): JURNAL PENELITIAN IPTEKS
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/penelitianipteks.v9i1.1479

Abstract

Pasar saham merupakan arena yang dinamis, di mana keputusan investasi seringkali dipengaruhi oleh berbagai faktor, termasuk informasi yang diperoleh dari berita saham. Analisis sentimen berita saham menjadi krusial dalam memahami reaksi pasar terhadap berita tertentu. Tujuan penelitian ini untuk mengklasifikasikan sentimen berita saham dalam membantu investor dan pelaku pasar untuk membuat keputusan yang lebih baik. Oleh karena itu, pengembangan metode yang efektif untuk mengklasifikasikan sentimen berita saham menjadi suatu kebutuhan mendesak. Penelitian ini fokus pada pemahaman sentimen di dalam berita saham dan menghadirkan perbandingan antara empat metode klasifikasi yang berbeda, yaitu Machine Learning, Deep Learning, Transfer Learning, dan metode berbasis Graf. Dengan memahami perbedaan kinerja dan kelebihan masing-masing metode, diharapkan penelitian ini dapat memberikan pandangan yang lebih mendalam terkait pilihan teknik yang paling sesuai dalam menghadapi kompleksitas analisis sentimen di pasar saham. Hasil eksperimen dan evaluasi kinerja masing-masing metode diukur dengan menggunakan nilai akurasi. Dari seluruh percobaan yang dilakukan nilai akurasi tertinggi diperoleh menggunakan BERT sebesar 81%.
Co-Authors Bagus Setya Rintyarna Riyanarto Sarno