<![CDATA[Pertumbuhan pesat ekosistem kripto diiringi derasnya arus pemberitaan di media daring, sehingga menimbulkan fenomena information overload yang menyulitkan investor menilai arah sentimen pasar secara cepat dan objektif. Analisis berita secara manual membutuhkan waktu lama dan rentan terhadap bias subjektif. Penelitian ini bertujuan merancang dan membangun aplikasi berbasis web yang mampu melakukan analisis sentimen berita kripto secara otomatis menggunakan pendekatan Natural Language Processing (NLP) dengan model FinBERT. Data berita dikumpulkan secara otomatis melalui API NewsData.io dan disimpan ke dalam basis data MySQL. Proses klasifikasi dilakukan melalui tokenisasi WordPiece, pemodelan konteks kalimat dengan arsitektur transformer, perhitungan skor sentimen (logits), transformasi logits menjadi probabilitas dengan fungsi softmax, serta penentuan kelas menggunakan argmax ke dalam tiga kategori: positif, negatif, dan netral. Aplikasi dibangun menggunakan framework Laravel yang diintegrasikan dengan layanan inferensi berbasis Python. Pengujian akurasi model dilakukan terhadap 100 data berita berlabel manual menggunakan confusion matrix. Hasil pengujian menunjukkan model FinBERT mencapai accuracy 74,00% dengan Macro Average Precision 0,7176, Recall 0,7008, dan F1-Score 0,7020. Kelas positif memperoleh performa terbaik (F1-Score 0,8723), sedangkan kelas netral terendah (F1-Score 0,5778). Sistem terbukti mampu menyajikan informasi sentimen pasar secara ringkas melalui dashboard interaktif sehingga mendukung pengambilan keputusan investasi yang lebih cepat dan objektif.]]>
Copyrights © 2026
