Pemodelan Pengaruh Opini Politik pada Twitter terhadap Nilai Tukar Rupiah dan Indeks Harga Saham Gabungan

Abstract

Volatilitas nilai tukar Rupiah dan Indeks Harga Saham Gabungan (IHSG) dapat digunakan untuk menggambarkan kondisi ekonomi di Indonesia. Volatilitas nilai tukar Rupiah dan IHSG baik secara langsung maupun tidak langsung dipengaruhi oleh Pemilihan Kepala Daerah di Indonesia. Twitter memberikan informasi politik tentang Pemilihan Kepala Daerah dengan sejumlah besar data (big data). Tujuan pertama dari penelitian ini adalah mengkaji dan menganalisis sentimen politik di 17 provinsi yang melaksanakan Pemilihan Gubernur. Tujuan kedua dari penelitian ini adalah menganalisis kinerja Least Absolute Shrinkage and Selection Operator (LASSO) dan Model Averaging. Kriteria evalusi kinerja dari LASSO dan Model Averaging dalam penelitian ini adalah Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Pengumpulan data dalam penelitian ini dilakukan selama sebulan sebelum dan sebulan sesudah Pemilihan Kepala Daerah, yaitu tanggal 27 Mei 2018 – 27 Juli 2018. Data yang digunakan dalam penelitian ini ada dua jenis, yaitu data administrasi dan data tekstual. Data administrasi yang dikumpulkan adalah nilai tukar Rupiah dan IHSG. Data tekstual yang dikumpulkan berasal dari Twitter. Data tekstual tersebut diproses dengan metode penambangan teks. Hasil penambangan teks menghasilkan data yang berstruktur data dimensi tinggi. Metode LASSO dan Model Averaging memiliki kemampuan untuk memodelkan data dimensi tinggi. Model Averaging dalam penelitian ini dibangun dengan random dan marginal correlation. Metode penduga parameter yang digunakan dalam Model Averaging dalam penelitian ini adalah Ridge Regression. Pembobot yang digunakan untuk Model Averaging dalam penelitian ini adalah Akaike Information Criterion (AIC). Penelitian ini menunjukkan bahwa sebagian besar propinsi memiliki persentase sentimen positif yang lebih besar daripada sentimen negatif dan sentimen netralnya. Hasil prediksi metode LASSO dan Model Averaging belum memuaskan untuk memprediksi volatilitas nilai tukar Rupiah. Hal ini dikarenakan data nilai tukar Rupiah memiliki 27.42% data observasi bernilai sama. Model Averaging yang dibangun dengan metode random memiliki hasil prediksi yang lebih baik dibandingkan metode yang lain untuk memprediksi pengaruh opini politik terhadap IHSG dan hasil prediksinya cukup memuaskan.