EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Analisis Sentimen Headline CNBC Indonesia Menggunakan Multinomial Logistic Regression dan TF-IDF

Muhammad Yusra, Roberto Kaban

Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi · 13.07.2026 · 3 (4) · 248-257

DOI: 10.61124/sinta.v3i4.353 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi, online erschienen am 13.07.2026. Verfasst von Muhammad Yusra und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Penelitian ini mengajarkan penerapan Multinomial Logistic Regression dengan representasi fitur Term Frekuensi Inverse Document Frekuensi (TF-IDF) untuk mengklasifikasikan sentimen pada headline berita pasar keuangan Indonesia. Dataset penelitian mencakup 9.819 headline berita CNBC Indonesia yang dipublikasikan selama Januari 2024 hingga Maret 2025dan dianotasi secara manual ke dalam tiga kategori sentimen, yaitu positif (29,4%), netral (44,4%), dan negatif (26,2%). Representasi teks dibangun menggunakan TF-IDF dengan ukuran kosakata maksimal sebanyak 5.000 kata. Berdasarkan hasil evaluasi, model memperoleh akurasi sebesar 82,43%, dengan nilai macro perception 0,8200, macro recall 0,8233, dan macro F1-score 0,8200. Pengujian menggunakan skema 5-fold cross-validation menghasilkan rata-rata akurasi 82,04%, yang menunjukkan bahwa model memiliki kemampuan generalisasi yang baik. Analisis koefisien menunjukkan bahwa istilah anjlok dan ambruk berkontribusi terhadap prediksi sentimen negatif, sedangkan borong dan melesat menjadi indikator sentimen positif. Kesalahan klasifikasi terutama ditemukan pada headline yang mengandung ambiguitas konteks. Oleh karena itu, penelitian selanjutnya dapat memanfaatkan pendekatan berbasis transformator untuk meningkatkan pemahaman konteks dan akurasi klasifikasi sentimen.

Zitieren

APA

Yusra, M., & Kaban, R. (2026). Analisis Sentimen Headline CNBC Indonesia Menggunakan Multinomial Logistic Regression dan TF-IDF. Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi, 3(4), 248-257. https://doi.org/10.61124/sinta.v3i4.353

Vancouver

Yusra M, Kaban R. Analisis Sentimen Headline CNBC Indonesia Menggunakan Multinomial Logistic Regression dan TF-IDF. Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi. 2026;3(4):248-257. doi:10.61124/sinta.v3i4.353

BibTeX
@article{Yusra2026,
  author = {Yusra, Muhammad and Kaban, Roberto},
  title = {Analisis Sentimen Headline CNBC Indonesia Menggunakan Multinomial Logistic Regression dan TF-IDF},
  journal = {Jurnal SINTA: Sistem Informasi dan Teknologi Komputasi},
  year = {2026},
  volume = {3},
  number = {4},
  pages = {248--257},
  doi = {10.61124/sinta.v3i4.353}
}
Kostenlos starten →