jimik@stmiki.ac.id 081377790601 Online Submission Open
Vol. 4 No. 3 (2023) • Articles
Open Access

ANALISIS SENTIMEN KEUANGAN (DATA FIQA AND FINANCIAL PHRASEBANK) MENGGUNAKAN ALGORITMA LOGISTIC REGRESSION DAN SUPPORT VECTOR MACHINE

Julinar Sari Hutagalung
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Rasiban
Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika
Published: September 10, 2023 Pages: 1654-1669
Original Full-Text Article
Download published version for reading and archiving
Download PDF
Abstract

Finance is a very vital sector in a Company and institution because it has a very important strategic role in creating a conducive environment, especially for the improvement of the national economy. Through a combination of FiQA and Financial PhareBank text datasets, an analysis of positive, negative and neutral sentiments related to finance is carried out that can be taken into consideration to make a policy in the financial sector or context in achieving this strategic role. Application of sentiment analysis using hyperparameter tuning in Logistic Regression and Support Vector Machines algorithms, with TF-IDF and Smote weighting on training data. The best model results of 70.70% accuracy on the Support Vector Machine algorithm during model training using training data that is not done Smote class imbalance.

Keywords:
Sentiment Analysis Logistic Regression Support Vector Machine TF-IDF
Article Metrics & Downloads Graph
Monthly Download Trends:
Author Biographies
Julinar Sari Hutagalung Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Program Studi Sistem Informasi, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta, Indonesia

Rasiban Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Program Studi Sistem Informasi, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta, Indonesia

How to Cite
Hutagalung, J. S., & Rasiban. (2023). ANALISIS SENTIMEN KEUANGAN (DATA FIQA AND FINANCIAL PHRASEBANK) MENGGUNAKAN ALGORITMA LOGISTIC REGRESSION DAN SUPPORT VECTOR MACHINE. Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, 4(3), 1654-1669. https://doi.org/10.35870/jimik.v4i3.404
License

Creative Commons Attribution 4.0 International License (CC BY 4.0)

This is an open-access article distributed under the terms of the Creative Commons Attribution 4.0 International License .

  • Share: You are free to copy, distribute, and transmit the work in any medium or format.
  • Adapt: You are free to remix, transform, and build upon the work for any purpose, even commercially.
  • Attribution: You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
Copyright & Retention: Authors retain copyright without restrictions and grant this journal the right of first publication under an open-access model. The journal retains non-exclusive publishing rights for archiving, indexing, and scholarly dissemination.

References
Total: 22 References
  1. Qian, T., Xie, A., & Bruckmann, C. (2022). Sensitivity Analysis on Transferred Neural Architectures of BERT and GPT-2 for Financial Sentiment Analysis. arXiv preprint arXiv:2207.03037. DOI.org/10.48550/arXiv.2207.03037.
  2. Santoso, A. K., Noviriandini, A., Kurniasih, A., Wicaksono, B. D., & Nuryanto, A. (2021). Klasifikasi Persepsi Pengguna Twitter Terhadap Kasus Covid-19 Menggunakan Metode Logistic Regression. Jurnal Informatika Kaputama (JIK), 5(2), 234-241.
  3. Ardiansyah, D., Saepudin, A., Aryanti, R., & Fitriani, E. (2023). ANALISIS SENTIMEN REVIEW PADA APLIKASI MEDIA SOSIAL TIKTOK MENGGUNAKAN ALGORITMA K-NN DAN SVM BERBASIS PSO. Jurnal Informatika Kaputama (JIK), 7(2), 233-241. DOI: https://doi.org/10.59697/jik.v7i2.148.
  4. Sari, E. D. N., & Irhamah, I. (2020). Analisis Sentimen Nasabah Pada Layanan Perbankan Menggunakan Metode Regresi Logistik Biner, Naïve Bayes Classifier (NBC), dan Support Vector Machine (SVM). Jurnal Sains dan Seni ITS, 8(2), D177-D184. DOI: 10.12962/j23373520.v8i2.44565.
  5. Turjaman, R. M., & Budi, I. (2022). Analisis Sentimen Berbasis Aspek Marketing Mix Terhadap Ulasan Aplikasi Dompet Digital (Studi Kasus: Aplikasi Linkaja Pada Twitter). Jurnal Darma Agung, 30(2), 266-275.
  6. Novantika, A., & Sugiman, S. (2022, February). Analisis Sentimen Ulasan Pengguna Aplikasi Video Conference Google Meet menggunakan Metode SVM dan Logistic Regression. In PRISMA, Prosiding Seminar Nasional Matematika (Vol. 5, pp. 808-813).
  7. Hanif, I. F., Affandi, I. R., Hasan, F. N., Sinduningrum, E., & Halim, Z. (2022). Analisis Sentimen Opini Masyarakat Terkait Penyelenggaraan Sistem Elektronik Menggunakan Metode Logistic Regression. Jurnal Linguistik Komputasional, 5(2), 77-84. DOI: https://doi.org/10.26418/jlk.v5i2.103
  8. Putri, M. I., & Kharisudin, I. (2022, February). Analisis Sentimen Pengguna Aplikasi Marketplace Tokopedia Pada Situs Google Play Menggunakan Metode Support Vector Machine (SVM), Naïve Bayes, dan Logistic Regression. In PRISMA, Prosiding Seminar Nasional Matematika (Vol. 5, pp. 759-766).
  9. Sreya, M. D. D., & Setiawan, E. B. (2022). Penggunaan Metode Glove Untuk Ekspansi Fitur Pada Analisis Sentimen Twitter Dengan Naïve Bayes Dan Support Vector Machine. eProceedings of Engineering, 9(3).
  10. Lidinillah, E. R., Rohana, T., & Juwita, A. R. (2023). Analisis sentimen twitter terhadap steam menggunakan algoritma logistic regression dan support vector machine. TEKNOSAINS: Jurnal Sains, Teknologi dan Informatika, 10(2), 154-164. DOI: https://doi.org/10.37373/tekno.v10i2.440
  11. Noviriandini, A., Hermanto, H., & Yudhistira, Y. (2022). Klasifikasi Support Vector Machine Berbasis Particle Swarm Optimization Untuk Analisa Sentimen Pengguna Aplikasi Pedulilindungi. JIKA (Jurnal Informatika), 6(1), 50-56.
  12. Santoso, A. K. (2022). ANALISIS SENTIMEN TWITTER BAHASA INDONESIA MENGGUNAKAN PENDEKATAN MACHINE LEARNING. Jurnal Informatika Kaputama (JIK), 6(2), 129-136.
  13. Pratama, Y., Murdiansyah, D. T., & Lhaksmana, K. M. (2023). Analisis Sentimen Kendaraan Listrik Pada Media Sosial Twitter Menggunakan Algoritma Logistic Regression dan Principal Component Analysis. JURNAL MEDIA INFORMATIKA BUDIDARMA, 7(1), 529-535. DOI: http://dx.doi.org/10.30865/mib.v7i1.5575.
  14. Nurhusen, M. R., Indra, J., & Baihaqi, K. A. (2023). Analisis Sentimen Pengguna Twitter Terhadap Kenaikan Harga Bahan Bakar Minyak (BBM) Menggunakan Metode Logistic Regression. JURNAL MEDIA INFORMATIKA BUDIDARMA, 7(1), 276-282.
  15. Rahmawati, C., & Sukmasetya, P. (2022). Sentimen Analisis Opini Masyarakat Terhadap Kebijakan Kominfo atas Pemblokiran Situs non-PSE pada Media Sosial Twitter. JURIKOM (Jurnal Riset Komputer), 9(5), 1393-1400. DOI: http://dx.doi.org/10.30865/jurikom.v9i5.4950.
  16. Lestandy, M., Abdurrahim, A., & Syafa’ah, L. (2021). Analisis Sentimen Tweet Vaksin COVID-19 Menggunakan Recurrent Neural Network dan Naïve Bayes. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(4), 802-808. DOI: https://doi.org/10.29207/resti.v5i4.3308.
  17. Astuti, W. (2022). ANALYSIS SENTIMENT ON THE ACCEPTANCE OF CPNS 2021 ON TWITTER SOCIAL MEDIA USING TEXTBLOB. Jurnal Techno Nusa Mandiri, 19(1), 15-20.
  18. Kelvin, K., Banjarnahor, J., Nababan, M. N., & Sinurat, S. H. (2022). Analisis perbandingan sentimen Corona Virus Disease-2019 (Covid19) pada Twitter Menggunakan Metode Logistic Regression Dan Support Vector Machine (SVM). Jurnal Sistem Informasi dan Ilmu Komputer Prima (JUSIKOM PRIMA), 5(2), 47-52. DOI: https://doi.org/10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2365.
  19. Lengkong, N. C., Safitri, O., Machsus, S., Putra, Y. R., Syahadati, A., & Nooraeni, R. (2021). Analisis Sentimen Penerapan Psbb Di Dki Jakarta Dan Dampaknya Terhadap Pergerakan Ihsg. Jurnal Teknoinfo, 15(1), 20-25.
  20. Onantya, I. D., Indriati, I., & Adikara, P. P. (2019). Analisis Sentimen Pada Ulasan Aplikasi BCA Mobile Menggunakan BM25 Dan Improved K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(3), 2575-2580.
  21. Herdiana, Y., Rusdianto, D., & Geraldine, W. A. (2023). APLIKASI CV MATCHER UNTUK MELIHAT KECOCOKAN DAFTAR RIWAYAT HIDUP DENGAN LOWONGAN PEKERJAAN MENGGUNAKAN MACHINE LEARNING DAN METODE COSINE SIMILARITY BERBASIS WEB. COMPUTING| Jurnal Informatika, 10(01), 26-30.
  22. Anam, S., Yanti, I., Fitriah, Z., & Habibah, U. (2021). Cara Mudah Belajar Bahasa Pemrograman C++. Universitas Brawijaya Press.
Similar Articles

Articles sharing related keywords and machine learning classifications:

PERBANDINGAN IMPLEMENTASI METODE SMOTE PADA ALGORITMA SUPPORT VECTOR MACHINE (SVM) DALAM ANALISIS SENTIMEN OPINI MASYARAKAT TENTANG MIXUE
Vol. 4 No. 3 (2023) • DOI: 10.35870/jimik.v4i3.289
Sentiment Analysis of Cigarette Use Based on Opinions from X Using Naive Bayes and SVM
Vol. 5 No. 3 (2024) • DOI: 10.35870/jimik.v5i3.947
Analisis Sentimen Crawling Data dari Sosial Media X tentang Gaza Menggunakan Metode SVM dan Decision Tree
Vol. 6 No. 1 (2025) • DOI: 10.35870/jimik.v6i1.1225
Efektivitas Logistic Regression dalam Analisis Sentimen Berbahasa Indonesia pada Komentar YouTube tentang Isu Ketenagakerjaan
Vol. 6 No. 3 (2025) • DOI: 10.63447/jimik.v6i3.1481
Analisis Sentimen Tanggapan Pengguna Media Sosial X Terhadap Program Beasiswa KIP-Kuliah dengan Menggunakan Algoritma Support Vector Machine (SVM)
Vol. 5 No. 3 (2024) • DOI: 10.35870/jimik.v5i3.990
Most read articles by the same author(s)

Other papers published by author(s) in this journal:

Implementasi Data Mining dengan Metode Regresi Linear untuk Prediksi Hasil Penjualan di PT Awitama Cyndo Wahana
Anggi Pradita, Rasiban • Vol. 5 No. 3 (2024)
Pengembangan Media Pembelajaran Berbasis Teknologi Augmented Reality (AR) dengan Algoritma Vuforia SDK pada Mata Pelajaran IPA Kelas VIII di Madrasah Al-Aqsha (MTS)
Putri Gea Aryanti, Rasiban, Frencis Matheos Sarimole, Tundo • Vol. 5 No. 3 (2024)
Klasifikasi Tinggi Badan Manusia Menggunakan Metode Mask R-CNN
Dadang Iskandar Mulyana, Sopan Adrianto, Sutisna Sutisna, Rasiban, Ahmad Arif Wahyudi • Vol. 6 No. 1 (2025)
Implementasi Keamanan Absensi Digital Menggunakan Algoritma Kriptografi AES Mode CBC
Adnan Wahab, Rasiban • Vol. 6 No. 2 (2025)
PENERAPAN ALGORITMA K-MEANS UNTUK ANALISIS NILAI TAHFIDZ SANTRI BERDASARKAN NILAI FASHOHAH DAN TAJWID (STUDI KASUS : PESANTREN MODERN AT-TAQWA BOGOR)
Muhammad Alfin Najib, Rasiban • Vol. 4 No. 3 (2023)