Sistem Scraping Dan Klasifikasi Data Percakapan Saham Pada Aplikasi Telegram Dengan Algoritma Support Vector Machine

Penulis

DOI:

https://doi.org/10.34818/eoe.v8i6.17244

Abstrak

Pemilik saham dapat dikatakan sebagai pemilik perusahaan, semakin besar saham yang dimiliki maka semakin besar pula kekuasaannya di perusahaan tersebut, sehingga tidak sedikit orang yang mulai belajar bagaimana membeli saham. Saham sangat terpengaruh oleh keadaan yang ada di dunia ini, maka dari itu seseorang yang mempunyai saham harus mengetahui kabar terbaru yang dapat dibaca di berita dan kabar burung. Sehingga penulis bertujuan untuk dapat menganalisis suatu pesan sehingga dapat menghasilkan klasifikasi dari pesan tersebut untuk selanjutnya dapat digunakan untuk tolok ukur dalam membeli saham. Penelitian ini dilakukan untuk membuat sistem yang akan mengklasifikasikan pesan pada aplikasi pesan Telegram. Dengan menggunakan algoritma Support Vector Machine, sistem dapat mengklasifikasikan pesan yang dikirim di Telegram. Karena Telegram merupakan aplikasi yang terdapat berbagai komunitas di dalamnya, dan salah satu nya adalah komunitas saham. Sistem pada penelitian Tugas Akhir telah di uji menggunakan partisi data uji 95% dan data latih 5%, dan juga parameter C=1 dan Gamma=1 mendapatkan akurasi sebesar 90%, precision sebesar 93%, recall sebesar 89%, dan juga F1-Score sebesar 91%. Kata Kunci: klasifikasi, analisis, saham, SVM.

Referensi

[1] M. Nurhayati, ""Profitabilitas, likuiditas dan ukuran perusahaan pengaruhnya terhadap kebijakan dividen

dan nilai perusahaan sektor non jasa," Jurnal Keuangan & Bisnis Program Studi Magister Manajemen

Sekolah Tinggi Ilmu Ekonomi Harapan , vol. 5, pp. 144 - 153, 2013.

[2] S. L. Abdes, Z. Puspitaningtyas and A. Prakoso, "Pengaruh Inflasi, Kurs Rupiah dan Suku Bunga terhadap

Return Saham Perusahaan Manufaktur," Jurnal Akuntansi Keuangan dan Bisnis, vol. 10, no. 2, pp. 8-16,

2017.

[3] I. Novitasari, D. Budiadi and A. D. Limatara, "Analisis Stock Split Terhadap Harga Saham PT Jaya Real

Property Tahun 2010-2016," CAHAYA AKTIVA, vol. 10, no. 1, pp. 9-18, 2020.

[4] J. Ahmat, L. A. Abfillah and Suryayusra, "Penerapan teknik web scraping pada mesin pencari artikel ilmiah.,"

2014.

[5] N. R. Haddaway, "The use of web-scraping software in searching for grey literature.," Grey J, vol. 11, no. 3,

2015.

[6] A. S. Nugroho, A. B. Witarto and D. Handoko, "Support vector machine," Kuliah Umum IlmuKomputer.Com,

2003.

[7] M. Kamayani, "Perkembangan Part-of-Speech Tagger Bahasa Indonesia," Jurnal Linguistik Komputasional,

vol. 2, no. 2, 2019.

[8] R. Xu, "POS Weighted TF-IDF Algorithm and its Application for an MOOC Search Engine," International

Conference on Audio, Language and Image Processing, 2014.

[9] A. A. Maarif, "Penerapan Algoritma TF-IDF untuk Pencarian Karya Ilmiah," Journal of Electrical and

Computer Engineering, 2015.

[10] B. Herwijayanti, D. E. Ratnawati and L. Muflikhah, "Klasifikasi berita online dengan menggunakan

pembobotan TF-IDF dan cosine similarity," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer,

vol. 2, no. 1, pp. 306-312, 2018.

Diterbitkan

2021-12-01

Terbitan

Halaman

12207-12214

Bagian

Program Studi S1 Teknik Komputer