Jagosatu.com - Internet sudah jadi bagian penting banget dari semua kegiatan kita di zaman serba teknologi ini.
Lewat internet, kita bisa bagi-bagi ilmu, belanja, transaksi, sampai kumpul-kumpul secara daring atau online.
Sekarang ini, banyak banget transaksi digital baru yang muncul, salah satunya adalah cryptocurrency atau yang biasa kita sebut mata uang kripto.
Cryptocurrency itu bisa kita anggap sebagai aset digital yang dijaga sangat kuat dengan teknologi khusus bernama kriptografi, tujuannya agar transaksi keuangannya aman dan terverifikasi.
Kriptografi adalah ilmu yang mempelajari tentang teknik pengamanan pesan atau data dengan cara menyandikannya agar tidak mudah dibaca orang lain.
Di Indonesia, salah satu tempat buat investasi dan tukar-menukar mata uang kripto yang terkenal adalah Tokocrypto.
Exchange atau tempat pertukaran adalah kegiatan saat kamu menawarkan atau menjual sesuatu untuk mendapatkan barang atau nilai lain yang serupa.
Karena mata uang kripto lagi ramai banget, banyak anak muda sampai orang dewasa yang penasaran dan ikut-ikutan.
Fenomena ikut-ikutan ini sering disebut sebagai FOMO atau Fear of Missing Out, yaitu perasaan cemas dan takut ketinggalan tren yang sedang ramai.
Makanya, banyak orang jadi sering buka media sosial seperti Twitter buat cari tahu informasi, kasih pendapat, atau nge-kritik soal tren ini.
Untuk tahu perasaan orang-orang ini, para peneliti harus punya cara yang canggih.
Menurut Green Arther Sandag dan Jacquline Waworundeng - penelitian mereka ini fokus untuk mengukur bagaimana pandangan masyarakat terhadap Tokocrypto di Twitter.
Cara canggih yang dipakai itu namanya analisis sentimen.
Analisis sentimen adalah cara otomatis buat membaca dan menganalisis tulisan atau teks untuk tahu apakah isinya itu positif, negatif, atau netral.
Penelitian ini menggunakan metode khusus bernama Long Short Term Memory atau disingkat LSTM.
LSTM adalah pengembangan dari model Recurrent Neural Network (RNN), yaitu sistem jaringan saraf tiruan yang bisa menyimpan pola data.
Kelebihan LSTM adalah sangat cocok buat menganalisis data berupa teks, video, atau data deret waktu, karena dia bisa ‘mengingat’ data mana yang penting.
LSTM juga dibuat buat mengatasi masalah pada RNN yang sering mengalami vanishing gradient, yaitu kondisi di mana proses belajar mesin jadi susah kalau datanya panjang.
Data yang digunakan oleh peneliti diambil dari tweet berbahasa Indonesia yang membahas tentang exchange Tokocrypto di Twitter.
Total ada sekitar 4666 tweet yang mereka kumpulkan sebagai bahan penelitian.
Sebelum dianalisis, semua tweet ini harus melewati proses data preprocessing dulu, yaitu tahap pembersihan dan pengurangan data.
Data preprocessing itu ibarat membersihkan data, seperti menghapus sebutan, tagar, tautan, dan angka, lalu mengubah semua huruf jadi kecil.
Langkah selanjutnya adalah normalisasi, yaitu mengubah kata-kata alay atau bahasa gaul jadi kata baku Bahasa Indonesia.
Setelah dibersihkan, data yang tadinya 4666 tweet disaring menjadi 4665 tweet yang sudah siap diproses.
Untuk mengelompokkan kata, penelitian ini menggunakan pendekatan Lexicon Sentiment, yaitu klasifikasi berdasarkan istilah positif, negatif, atau netral.
Dari semua tweet yang dianalisis, hasilnya terbagi menjadi tiga kategori sentimen, yaitu positif, negatif, dan netral.
Sentimen yang paling banyak ditemukan adalah sentimen positif, yaitu sebanyak 2022 tweet yang menunjukkan dukungan atau pandangan baik.
Sentimen negatif ada di urutan kedua dengan jumlah 1632 tweet, yang berarti ada beberapa keluhan atau pandangan kurang baik.
Sedangkan sisanya, ada 1012 tweet yang masuk dalam kategori sentimen netral, yang berarti cuitan itu tidak mengarah ke positif atau negatif.
Dilansir dari Green Arther Sandag dan Jacquline Waworundeng - total tweet yang positif jauh lebih banyak, yaitu sebanyak 2022 tweet, yang menunjukkan citra baik Tokocrypto.
Walaupun begitu, peneliti menemukan bahwa model LSTM yang mereka buat ternyata mengalami overfitting, yaitu terlalu pintar menghafal data latihan.
Overfitting bisa membuat model jadi kurang bagus kalau dikasih data baru yang tidak ada pada data yang dilatih.
VYR
Editor : Toar Rotulung