Analisis Sentimen Investasi Obligasi FR (Fixed Rate) Pada Twitter Menggunakan Metode Naive Bayes Classifier

Latar Belakang: Investasi Obligasi FR (Fixed Rate) adalah salah satu jenis obligasi yang menawarkan kupon tetap yang dibayarkan secara reguler sampai jatuh tempo. Meskipun obligasi FR dianggap sebagai investasi yang lebih aman karena dijamin oleh pemerintah, pandangan dan pendapat pengguna Twitter dapat mempengaruhi sentimen terkait investasi ini. Oleh karena itu, analisis sentimen pada Twitter terkait obligasi FR dapat memberikan pemahaman tentang pandangan masyarakat terhadap investasi ini. Metode naive bayes classifier dapat digunakan dalam analisis sentimen untuk memprediksi apakah teks cenderung positif atau negatif. Penelitian ini bertujuan untuk menganalisis sentimen positif dan negatif pengguna Twitter terkait investasi obligasi FR menggunakan metode naive bayes classifier.
Tujuan: Penelitian ini bertujuan untuk memperoleh hasil sentimen yang dapat membantu masyarakat dalam memahami pandangan terkait investasi obligasi FR dan membantu mengidentifikasi sentimen positif dan negatif sebagai informasi bagi masyarakat dan investor dalam pengambilan keputusan berinvestasi.
Metode Penelitian: Penggunaan metode Naïve Bayes dalam penelitian ini dipilih karena mudah diimplementasikan, dapat diaplikasikan pada analisis data teks yang besar, menggunakan pendekatan probabilistik yang sesuai dalam analisis sentimen, dan memiliki asumsi naif yang memungkinkan pemrosesan yang cepat. Metode sederhana yang memberikan hasil yang memadai dalam memprediksi sentimen
positif dan negatif dari tweet mengenai investasi obligasi FR.
Hasil: Berdasarkan hasil dari penelitian ini diperoleh perhitungan akurasi dengan nilai 75% untuk data training dan 92% untuk data testing.
Kesimpulan: kesimpulan dari penelitian ini bahwa investasi obligasi FR memiliki sentimen positif pada data tweet yang sudah diklasifikasi yang banyak membahas mengenai ketertarikan berinvestasi obligasi FR.