JORAPI : Journal of Research and Publication Innovation Vol.
No.
Oktober 2025
Halaman : 153-157
ISSN : 2985-4768
ANALISIS SENTIMEN PENGGUNA TOKOCRYPTO SEBAGAI SARANA
INVESTASI DI MEDIA SOSIAL X MENGGUNAKAN METODE KNN
Muhammad Raihan Irzi1.
Alvino Octaviano2 Teknik Informatika.
Universitas Pamulang.
Tangerang Selatan.
Indonesia, 15417 e-mail: 1muhammadrai323@gmail.
Teknik Informatika.
Universitas Pamulang.
Tangerang Selatan.
Indonesia, 15417 e-mail: 2dosen00397@unpam.
Abstract The advancement of digital technology has driven a significant transformation in the investment landscape, particularly through digital assets such as cryptocurrency.
Tokocrypto, as one of the local crypto exchanges in Indonesia, has become the focus of social media users, especially on X .
ormerly Twitte.
, who often express their opinions about the platform.
To understand user sentiment, a sentiment analysis was conducted using 1,386 tweets collected with the keywords Auinvestasi tokocryptoAy and Aucex tokocryptoAy, which were then manually filtered to remove irrelevant data, resulting in a final dataset of 600 tweets.
The data was collected through a crawling method and cleaned through preprocessing steps including case folding, normalization, tokenizing, stopword removal, and stemming.
After labeling, neutral sentiments were removed, leaving 417 tweets categorized into positive and negative sentiments.
The classification process was carried out using the K-Nearest Neighbor (K-NN) method, evaluated across various training and testing ratios and different K values.
The best-performing model was achieved with K=7 and an 80:20 ratio, producing the highest performance with accuracy = 74%, precision = 75%.
F1-score = 78%, and recall = 81%.
The results of this study demonstrate the effectiveness of the K-Nearest Neighbor method in sentiment analysis and provide insights into user perceptions of Tokocrypto as an investment platform on social media platform X.
Keywords: Sentiment Analysis.
Crypto Investment.
Tokocrypto.
Twitter.
K-Nearest Neighbor(K-NN) Abstrak Perkembangan teknologi digital telah mendorong transformasi besar dalam dunia investasi, khususnya melalui aset digital seperti cryptocurrency.
Tokocrypto, sebagai salah satu bursa kripto lokal di Indonesia, menjadi objek perhatian pengguna media sosial, terutama X .
ulu Twitte.
, yang kerap mengungkapkan opini mereka terkait platform tersebut.
Untuk memahami sentimen dari para pengguna, dilakukan analisis sentimen dengan 1386 data tweets yang berhasil dikumpulkan menggunakan kata kunci Auinvestasi tokocrypto, cex tokocryptoAy lalu di filter manual untuk menghilangkan data yang tidak relevan dan menyisakan 600 dataset.
Data dikumpulkan melalui metode crawling, kemudian dibersihkan melalui preprocessing yang mencakup case folding, normalisasi, tokenizing, stopword removal, dan stemming.
Setelah pelabelan, data netral dihapus sehingga menyisakan 417 tweets yang diklasifikasikan sebagai sentimen positif dan negatif.
Proses klasifikasi menggunakan metode K-Nearest Neighbor (K-NN) dengan evaluasi pada berbagai rasio data latih dan uji, serta nilai K.
Model terbaik diperoleh adalah nilai K=7 dengan rasio 80:20, karena menghasilkan performa terbaik dengan akurasi = 74%, presisi = 75%.
F1-score tertinggi yaitu 78%, dan nilai K ini memberikan Recall = 81% .
Hasil dari penelitian ini menunjukkan https://jurnal.
id/index.
php/JORAPI/index JORAPI : Journal of Research and Publication Innovation Vol.
No.
Oktober 2025
Halaman : 153-157
ISSN : 2985-4768
efektivitas dari metode K-Nearest Neighbor dalam menganalisis sentimen, sekaligus memberikan wawasan mengenai presepsi pengguna terhadap Tokocrypto sebagai sarana investasi di media sosial Twitter.
Kata Kunci: Analisis Sentimen.
Investasi Crypto.
Tokocrypto.
Twitter.
K-Nearest Neighbor (K-NN) opini publik tentang topik tertentu, produk atau jasa
PENDAHULUAN
Perkembangan teknologi digital telah membuat perubahan besar pada dunia keuangan global, terutama dalam penampilan aset digital seperti Cryptocurrency adalah mata uang digital menggunakan teknologi blockchain sebagai sistem perekaman terdesentralisasi, tanpa partisipasi lembaga keuangan tradisional.
Bukan hanya menjadi alat pembayaran saja.
Cryptocurrency juga di gunakan sebagai instrumen investasi digital, dengan ramainya berita tentang Bitcoin yang menyentuh angka lebih dari 100 ribu dollar membuat banyak orang-orang yang mulai berinvestasi di kripto karena dianggap Investasi adalah suatu keinginan tentang bagaimana cara menggunakan sebagian dana yang ada atau sumber daya yang dimiliki untuk memperoleh keuntungan yang besar di masa depan .
Seiring perkembangan teknologi, bentuk investasi pun ikut bertransformasi, salah satunya melalui aset digital seperti cryptocurrency.
Dan untuk memperjual belikan cryptocurrency secara legal tersebut dibutuhkan bursa kripto contohnya bursa kripto global yaitu Binance.
Bybit.
Gateio dan lainnya.
Di Indonesia pun sudah memiliki beberapa bursa kripto lokal, salah satunya adalah Tokocrypto TokoCrypto perdagangan aset kripto .
yang digunakan untuk membeli, menjual, dan menukar berbagai jenis mata uang digital seperti Bitcoin.
Ethereum, dan banyak koin kripto lainnya.
Tokocrypto didirikan pada tahun 2018 dan merupakan salah satu platform perdagangan kripto terbesar di Indonesia, serta telah diawasi oleh BAPPEBTI untuk menjamin Meskipun begitu masih banyak pertanyaan-pertanyaan yang muncul dari berbagai macam media sosial.
Media sosial telah menjadi sarana utama masyarakat modern dalam berkomunikasi, berbagi informasi, dan membentuk komunitas.
Salah satu platform yang berperan besar adalah Twitter, yang kini berganti nama menjadi X.
Setelah diakuisisi oleh Elon Musk pada tahun 2022, platform ini mengalami berbagai perubahan baik dari sisi manajemen, kebijakan konten, maupun model bisnis.
Inilah mengapa peran analisis sentimen itu Analisis sentimen adalah proses sistematis untuk mengidentifikasi dan opini publik.
Analisis sentimen dipandang sebagai alat bisnis intelijen yang diinginkan, karena kemampuannya dapat mengekstrak https://jurnal.
id/index.
php/JORAPI/index yang tertanam dalam teks-teks yang tidak terstruktur .
Dalam konteks penelitian ini, analisis sentimen digunakan untuk mengeksplorasi sikap atau kesadaran pengguna Tokocrypto sebagai sarana Memerlukan algoritma yang mendukung sentimen ini, maka digunakan algoritma K-Nearest Neighbor (KNN), metode K-Nearest Neighbor (KNN) merupakan metode yang melakukan klasifikasi berdasarkan kedekatan lokasi .
suatu data dengan data lain, metode KNN (K-Nearest Neighbo.
merupakan metode yang cukup sederhana namun memiliki tingkat akurasi yang tinggi.
PENELITIAN YANG TERKAIT
Berikut adalah jurnal yang terkait dengan Analisis Sentimen Pengguna Tokocrypto Sebagai Sarana Investasi di Media Sosial X Menggunakan Metode KNN.
Pada penelitiannya dengan judul AuAnalisis Sentimen Masyarakat Terhadap Exchange Tokocrypto Pada Twitter Menggunakan Metode LSTMAy.
Tujuan penelitian ini adalah untuk menganalisis opini masyarakat terhadap Tokocrypto melalui data Twitter serta menguji performa metode LSTM dalam mengklasifikasikan sentimen tersebut Dengan hasil Dari 5000 tweets yang ada mengenai keyword tokocryptodalam bahasa Indonesia, ditemukan sebanyak 2022 kata positif, 1632 kata negatif, dan 1012 kata netral .
Pada penelitiannya dengan judul AuAnalisis Sentimen Tokocrypto pada Twitter menggunakan Metode Long Short-Term MemoryAy.
Penelitian ini bertujuan untuk Menganalisis sentimen pengguna Twitter terhadap Tokocrypto menggunakan metode Bidirectional LSTM untuk mengetahui opini publik .
ositif atau negati.
terhadap layanan Tokocrypto.
Dengan hasil Model Bidirectional LSTM berhasil ditunjukkan oleh nilai akurasi sebesar 95%, f1-score 95, precision sebesar 0.
98, dan recall 92 .
Pada penelitiannya dengan judul AuAnalisis Sentimen Pada Ulasan Aplikasi Indodax Di Google Play Store Menggunakan Metode Support Vector MachineAy.
Penelitian ini bertujuan untuk menganalisis opini pengguna terhadap aplikasi Indodax di Google Play Store serta menguji efektivitas metode Support Vector Machine dalam klasifikasi sentimen.
Dengan JORAPI : Journal of Research and Publication Innovation Vol.
No.
Oktober 2025 Halaman : 153-157 hasil Hasil penelitian menunjukkan bahwa klasifikasi sentimen ulasan pengguna aplikasi Indodax menggunakan metode Support Vector Machine (SVM) menghasilkan akurasi tertinggi sebesar 85% pada rasio data 80:20, dengan temuan utama berupa sentimen negatif terkait biaya penarikan tinggi dan lambatnya server saat transaksi, serta sentimen positif yang menyoroti kemudahan penggunaan dan kecepatan layanan aplikasi .
METODE PENELITIAN
Penelitian ini menggunakan pendekatan kuantitatif dikarenakan data yang digunakan untuk analisis berupa teks yang diubah menjadi data numerik dan dianalisis secara statistik.
Pendekatan ini digunakan untuk mengukur dan mengklasifikasikan sentimensentimen pengguna Tokocrypto di media sosial X atau Twitter menjadi kategori positif dan negatif.
Dengan algoritma K-Nearest Neighbor, penelitian ini bersifat eksperimen, dengan melakukan tahapan-tahapan seperti preprocessing, pembentukan fitur TF-IDF, dan evaluasi metrik seperti akurasi, recall, dan Precision.
Penelitian ini menggunakan data berupa kumpulan tweets berbahasa Indonesia yang diperoleh dari pendapat para pengguna Twitter.
Data tweets ini didapatkan melalui program crawling dengan menggunakan Tweet Harvest.
Dalam proses crawling, data tweets yang diambil merupakan data yang berisi kata- kata AuInvestasi di Tokocrypto, cex TokocryptoAy data di ambil dari tanggal 4 September 2023 hingga 1 Februari 2024.
Setelah terkumpul, data akan melalui tahapan preprocessing kemudian akan diklasifikasikan ke dalam dua kategori yaitu, sentimen positif dan sentimen negatif.
ISSN : 2985-4768
digabung menjadi satu dataset.
Pada pembersihan data akan dilakukan yaitu Case Folding.
Cleaning Data.
Tokenizing.
Stopword Removal.
Stemming.
Gambar 6.
1 Tahapan Preprocessing Pelabellan dengan Lexicon Lexicon adalah sebuah metode yang dapat digunakan untuk menganalisis sebuah sentimen dengan pendekatan berbasis kamus.
Berikut hasil pelabelan dengan Lexicon.
Lexicon yang digunakan dalam penelitian ini adalah InSet Lexicon karena sudah teruji cukup baik untuk analisis sentimen data berbahasa Indonesia.
InSet Lexicon (Indonesia Sentiment lexico.
terdiri dari 3.
609 kata positif dan 6.
609 kata negatif berbahasa Indonesia yang telah memiliki bobot nilai atau polarity score pada setiap katanya dengan kisaran bobot antara -5 sampai 5.
Setelah dataset diberikan label secara otomatis menggunakan kamus lexicon, data tweets dengan sentimen netral dihapus sehingga hanya menyisakan data dengan sentimen positif dan negatif yang menyisakan data sebanyak 417 Berikut bar chart untuk total label sentimen yang HASIL DAN PEMBAHASAN Pada penelitian ini menggunakan data yang telah dikumpulkan menggunakan crawling data pada media sosial twitter dengan total data mentah 1386, lalu dataset tersebut difilter secara manual untuk membuang datadata yang tidak relevan dan menyisakan 600 dataset yang siap digunakan untuk mengimplementasikan metode penelitian ini.
Lalu dataset tersebut akan melalui berbagai tahap seperti preprocessing data, pelabelan otomatis menggunakan lexicon Bahasa Indonesia, mengidentifikasikan koin yang paling banyak dibicarakan, pembentukan fitur (TF-IDF), klasifikasi algoritma KNN.
Preprocessing Data Text prepocessing adalah sebuah proses untuk mengolah data teks sehingga menjadi lebih terstruktur, sehingga data siap untuk dianalisis lebih lanjut.
Tahap awal yang dilakukan yaitu melakukan pembersihan data dimana data yang telah didapatkan https://jurnal.
id/index.
php/JORAPI/index Gambar 6.
2 Setelah Melalui Tahap Pelabelan Identifikasi Koin Yang Paling Banyak Dibicarakan Dataset yang telah melalui tahap pre processing di analisis manual untuk mengidentifikasi tweet yang mengandung kata kunci yang berkaitan dengan setiap produk yang dibicarakan.
Kata kunci ini ditentukan berdasarkan nama-nama produk/koin yang dibicarakan serta variasi penulisannya, misalnya AubitcoinAy.
AybtcAy.
AutkoAy.
AuethereumAy dan sebagainya.
Jika tidak di temukan kata kunci yang cocok, maka tweet tersebut akan JORAPI : Journal of Research and Publication Innovation Vol.
No.
Oktober 2025 Halaman : 153-157 dikategorikan sebagai AuTidak TerkaitAy dan dihapus dari tahap ini.
Lalu sentimen positif dan negatif dianalisis terpisah untuk setiap produk/koin, sehingga dapat diketahui distribusi sentimen yang mengarah ke setiap produk yang dibicarakan.
ISSN : 2985-4768
60:40
70:30
80:20
90:10
Berdasarkan pengujian yang telah dilakukan menggunakan data uji dengan rasio 80:20 dan nilai k=7, di mana data uji terdiri dari 80 tweets .
% dari datase.
, dan data latih yang terdiri dari 337 tweets .
% dari datase.
yang digunakan untuk membangun model klasifikasi dan menghasilkan performa terbaik dari semua nilai k yang telah di uji dengan hasil akurasi = 74%, presisi = 75%.
F1-score tertinggi yaitu 78%, dan nilai K ini memberikan Recall = 81% .
Gambar 6.
3 Distribusi Sentiment Pada Tiap Koin.
Pembentukan Fitur (TF-IDF) Pembentukan fitur TF-IDF (Term Frequency Ae Inverse Document Frequenc.
adalah salah satu teknik dalam text mining / NLP untuk mengubah teks menjadi representasi numerik .
agar bisa diolah oleh algoritma machine learning.
Tujuannya adalah memberi bobot pada setiap kata dalam dokumen sehingga kata yang sering muncul di dokumen tertentu tapi jarang muncul di seluruh koleksi dokumen dianggap lebih Gambar 6.
4 Rumus Pembentukan TF-IDF Klasifikasi Algoritma KNN Pendekatan KNN ini melakukan klasifikasi terhadap suatu objek berdasarkan pada kesamaan atau jarak terdekat dengan objek-objek dalam data latih .
Pada tahap ini, algoritma K-Nearest Neigbor (KNN) digunakan untuk mengklasifikasikan sentimen tweet terkait sentimen pengguna Tokocrypto.
Data dibagi menjadi data latih dan data uji dengan empat rasio berbeda yaitu 60:40, 70:30, 80:20, 90:10.
Proses klasifikasi dilakukan dengan menggunakan nilai k sebesar 3, 5, 7 dan 9 untuk membandingkan mana yang lebih unggul dari keempat rasio yang berbeda-beda Berikut proses klasifikasi algoritma K-Nearest Neighbor (K-NN) dengan menggunakan python.
Tabel 6.
1 Tabel Nilai K Terbaik Rasio Nilai Accura Precisi Recall F1-Score https://jurnal.
id/index.
php/JORAPI/index KESIMPULAN Berdasarkan penelitian yang telah dilakukan mengenai analisis sentimen terkait Tokocrypto sebagai sarana investasi menggunakan metode K-Nearest Neighbor (KNN) yang telah selesai dilaksanakan, maka diperoleh hasil analisis yang memberikan gambaran mengenai persepsi masyarakat.
Menurut hasil analisis sentimen ini , diperoleh kesimpulan sebagai berikut.
Berdasarkan hasil penelitian ini, jumlah sentimen positif terkait Tokocrypto sebagai sarana investasi memperoleh hasil persentase sebanyak 55.
40% atau sebanyak 231 data, sementara persentase dari sentimen negatif yang di dapat yaitu sebanyak 60% atau sebanyak 186 data dari total dataset.
Hal ini menunjukkan bahwa mayoritas pengguna cenderung memberikan respon positif terhadap Tokocrypto.
Analisis mendalam mengenai produk/koin yang paling sering di bicarakan menunjukkan data dengan sentimen positif terbanyak yaitu dari produk native Tokocrypto yaitu TKO dengan pujian terkait keamanan serta sebagai koin dengan peluang investasi yang menjanjikan.
Sedangkan komentar dengan sentimen negatif ditunjukkan ke koin Bitcoin yang menyoroti kekhawatiran terhadap adopsi bitcoin di Indonesia, dan volatilitas pasar.
Sementara itu sentimen positifnya yang tertinggi serta negatifnya terendah ada di USD yang dominan membicarakan tentang ke stabilannya dan dapat diandalkan sebagai instrumen transaksi dan keamanannya di tengah volatilitas pasar kripto.
Berdasarkan hasil penelitian ini, hasil pengujian menggunakan metode K-Nearest Neighbor (KNN) untuk analisis sentimen terhadap Tokocrypto sebagai sarana investasi di media sosial Twitter (X) yang menunjukkan kinerja model yang cukup baik dengan JORAPI : Journal of Research and Publication Innovation Vol.
No.
Oktober 2025 Halaman : 153-157 nilai k=7 pada rasio 80:20 dengan akurasi tertinggi yaitu 74%, dan presisi yang didapat adalah 75%, recall 81%, dan F1-score nya sebesar 78%.
Hasil dari penelitian ini menunjukkan bahwa model KNearest Neighbor mampu melakukan klasifikasi sentimen dengan performa yang cukup memadai terkait Tokocrypto sebagai sarana investasi.
DAFTAR PUSTAKA