Semakin pesatnya perkembangan pasar saham di Indonesia membuat semakin banyak investor yang bergabung di bursa saham. Indonesia pada tahun 2011 meluncurkan saham syariah dimana harga saham syariah dapat mengalami kenaikan dan penurunan. Hal ini tentunya harus diwaspadai oleh investor, agar investor tidak mengalami kerugian dalam jual-beli saham. Untuk itu, prediksi harga sahan menjadi salah satu upaya untuk menentukan nilai dari suatu saham di masa kedepannya. Pada penelitian ini, prediksi saham dilakukan dengan menggunakan metode Long Short-Term Memory dalam memprediksi harga saham. Dilakukan uji coba dengan menggunakan beberapa parameter pada layers, epoch dan time step untuk mendapatkan model prediksi yang optimal. Arsitektur dari LSTM yang digunakan pada penelitian ini menggunakan multiple layer LSTM dengan empat dan delapan layer yang masing-masing layer memiliki 96 neurons. Terdapat satu Dense layer yang berfungsi mengubah output dari layer sebelumnya menjadi nilai hasil prediksi. Hasil eksperimen menunjukkan bahwa Long Short-Term Memory dapat digunakan untuk melakukan prediksi harga saham dengan akurat, jumlah layer mempengaruhi MAPE yang dihasilkan. LSTM dengan jumlah layer 8 memiliki performa yang lebih baik. Pada PT Aneka Tambang Tbk didapatkan model terbaik dengan nilai MAPE sebesar 2,64. Untuk emiten Erajaya Swasembada Tbk didapatkan nilai MAPE sebesar 2,24. Untuk Kalbe Farma didapatkan nilai MAPE sebesar 1,51. Untuk Semen Indonesia didapatkan nilai MAPE sebesar 1,83. Sedangkan pada Wijaya Karya didapatkan nilai MAPE sebesar 2,66.
Abstract. Spam is an abuse of messaging undesired by recipients. Those who send spam are called spammers. Popularity of Twitter has attracted spammers to use it as a means to disseminate spam messages. The spams are characterized by a neutral emotional sentiment or no particular users’ preference perspective. In addition, the regularity of tweeting behavior periodically shows automation performed by bot. This study proposes a new method to differentiate between bot spammer and legitimate user accounts by integrating the sentiment analysis (SA) based on emotions and time interval entropy (TIE). The combination of knowledge-based and machine learning-based were used to classify tweets with positive, negative and neutral sentiments. Furthermore, the collection of timestamp is used to calculate the time interval entropy of each account. The results show that the precision and recall of the proposed method reach up to 83% and 91%. This proves that the merging SA and TIE can optimize overall system performance in detecting Bot Spammer.Keywords: bot spammer, twitter, sentiment analysis, polarity, entropy Abstrak. Spam merupakan penyalahgunaan pengiriman pesan tanpa dikehendaki oleh penerimanya, orang yang mengirimkan spam disebut spammer. Ketenaran Twitter mengundang spammer untuk menggunakannya sebagai sarana menyebarluaskan pesan spam. Karakteristik dari tweet yang dikategorikan spam memiliki sentimen emosi netral atau tidak ada preferensi tertentu terhadap suatu perspektif dari user yang memposting tweet. Selain itu keteraturan waktu perilaku saat memposting tweet secara periodik menunjukkan otomatisasi yang dilakukan bot. Pada penelitian ini diusulkan metode baru untuk mendeteksi antara bot spammer dan legitimate user dengan mengintegrasikan sentimen analysis berdasarkan emosi dan time interval entropy. Pendekatan gabungan knowledge-based dan machine learning-based digunakan untuk mengklasifikasi tweet yang memiliki sentimen positif, negatif dan tweet netral. Selanjutnya kumpulan timestamp digunakan untuk menghitung time interval entropy dari tiap akun. Hasil percobaan menunjukan bahwa precision dan recall dari metode yang diusulkan mencapai 83% dan 91%. Hal ini membuktikan penggabungan Sentiment Analysis (SA) dan Time Interval Entropy (TIE) dapat mengoptimalkan performa sistem secara keseluruhan dalam mendeteksi Bot Spammer.Kata Kunci: bot spammer, twitter, sentiment analysis, polarity, entropy
Anak merupakan sumber daya manusia yang penting untuk kelangsungan dan kemajuan suatu bangsa. Oleh sebab itu pemantauan tumbuh kembang dan kesehatan anak menjadi sangat penting untuk dilakukan secara berkala. Dengan pemantauan tumbuh kembang dan kesehatan anak diharapkan Indonesia dapat menghasilkan generasi unggul dan berkualitas. Seiring perkembangan teknologi informasi para orang tua tentunya membutuhkan solusi yang mudah, praktis, dan efisien untuk memantau perkembangan dan kesehatan balita. Penggunaan aplikasi mobile dapat digunakan sebagai solusi untuk orang tua milenial. Oleh karena itu, kegiatan pengabdian masyarakat ini bertujuan untuk mengenalkan dan melatih orang tua di Posyandu Rajawali untuk menggunakan Aplikasi PrimaKu. Aplikasi PrimaKu adalah aplikasi digital yang diprakarsai oleh Ikatan Dokter Anak Indonesia (IDAI) sebagai upaya mempermudah orang tua di Indonesia dalam memantau tumbuh kembang anak sejak dini secara berkala dan berkelanjutan. Berdasarkan hasil kuisioner, peserta respon baik terhadap pelaksanaan kegiatan baik berdasarkan kemanfaatan program, relevansi serta kejelasan materi.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.