Kebutuhan pasokan Nikel sebagai bahan baku utama baterai listrik untuk mobil listrik (EV) di tahun mendatang dan mengingat secara histori Indonesia sebagai salah satu produsen nikel memiliki cadangan nikel terbesar di dunia yaitu 21 juta ton metrik th 2020
menjadi potensi yang sangat menarik.
Namun Nikel yang dihasilkan Indonesia mayoritas masih berupa Nickel Ore dan Ferronikel/Nickel Pig Iron, membutuhkan
rantai panjang untuk menjadi Nikel Mate yang digunakan sbg bahan baterai listrik.
Research ini bertujuan untuk melihat potensi dan tantangan tersebut, sentiman opini publik sebagai penggerak pasar menjadi penting diamati. Sehingga dapat menelaah adakah korelasi antara
sentimen publik dengan harga saham nikel Indonesia (dalam hal ini PT. Antam, sebagai saham favorit beberapa institusi keuangan besar dan juga investor retail).
2. Outline
Latar Belakang
01
Analisa Opini
Publik di Twitter
Terhadap $ANTM
03
Analisa Emiten
Nikel berdasarkan
Berita
02
EDA - Visualisasi Data, WordCloud,
Analisa Sentimen Publik
Klasifikasi Text
Machine Learning &
Evaluasi Performansi
04
Sumber berita gabungan dari CNBC
Indonesia, Kompas-Money, Liputan 6
4. Potensi - Kebutuhan pasokan Nikel sebagai
bahan baku utama baterai listrik untuk
mobil listrik (EV) di tahun mendatang
akan terus meningkat.
- Indonesia sebagai salah satu produsen
nikel memiliki cadangan nikel terbesar di
dunia yaitu 21 juta ton metrik th 2020
menjadi potensi yang sangat menarik.
Tantangan
- Nikel yang dihasilkan Indonesia
mayoritas masih berupa Nickel Ore dan
Ferronikel/Nickel Pig Iron, membutuhkan
rantai panjang untuk menjadi Nikel Mate
yang digunakan sbg bahan baterai listrik
Tujuan Projek
Melihat potensi dan tantangan tersebut,
sentiman opini publik sebagai penggerak
pasar menjadi penting diamati. Sehingga
dapat menelaah adakah korelasi antara
sentimen publik dengan harga saham
nikel Indonesia (dalam hal ini PT. Antam,
sebagai saham favorit beberapa institusi
keuangan besar dan juga investor retail)
- Tsingshan memproduksi nikel secara
masif dan membuat harga nikel dunia
anjlok
6. Analisa dari Penggabungan 4 Artikel Berita
Setelah menggabungkan 4 artikel berita terbaru mengenai
‘Nikel’ didapatkan 10 kata terbanyak yang disebutkan, yaitu :
‘Indonesia’, ‘Tesla’, ‘Baterai’, ‘Perdagangan’, ‘Listrik’, ‘US’,
‘Harga’, ‘Transaksi’, ‘TINS’, dan ’pabrik’.
Kata kunci nikel ini erat kaitannya dengan berita bahwa
Indonesia akan mendirikan pabrik holding baterai EV,
sehingga berdampak pada antusiasme perdagangan di bursa
efek dan menyebabkan fluktuasi harga dan transaksi emiten
nikel, seperti $ANTM dan $TINS. Tesla juga disebut sbg calon
investor yang meski akhirnya tidak jadi berinvestasi.
Dalam Wordcloud juga menampilkan kata ‘Luhut’ yang mana
Bpk Luhur BP adalah key-person untuk investasi, dan juga
kata ‘turun’ yang mana dalam berita juga menyebutkan
adanya penurunan harga nikel dunia dan emiten nikel regional.
Dapat disimpulkan bahwa ke-4
berita menitik-beratkan pada
rencana pemerintah untuk
membangun pabrik baterai
listrik EV dan Rencana Tesla
yang Batal Memilih Nikel
Indonesia sebagai supplier
utama
7. 03. Analisa Opini Publik Terhadap Emiten $ANTM
Keyword : ‘antm’ | Tanggal : 6-12 Maret 2021
EDA / Data Visualisasi – Analisa Sentimen - Wordcloud
8. Tren dari Tweet $ANTM
Tweets terbanyak ada
pada tgl 8 Maret, dimana
harga saham anjlok
karena berita Tsingshan
menjadi supplier utama
nikel sehingga
menurunkan
harga nikel global
We Create Quality Professional
PPT Presentation
9. Username dengan Likes
Tweet ’antm’ Terbanyak Tweet dengan Likes
terbanyak berisi
kekecewaan harga saham
antam yang anjlok, yaitu
dari influencer ‘Kristo
Kentang’
10. Username dengan
Retweet Terbanyak Tweet dengan RT
terbanyak berisi berita
tidak-jadinya Elon Musk
memilih Indonesia sebagai
supplier Nikel untuk Tesla,
alih-alih memilih Kaledonia
Baru
11. Distribusi Device UserDE User mayoritas
menggunakan Android
untuk memposting tweet,
yaitu sebanyak 55%,
disusul dengan iPhone
19% dan Web App 15%.
Hanya minoritas (dibawah
8%) yang menggunakan
API untuk
melakukan
post tweet.
12. Analisa Sentimen
terhadap Tweet $ANTM
71.3% Tweet teridentifikasi
sebagai sentimen netral
dan 28.7% teridentifikasi
berisi sentimen negatif.
We Create Quality Professional
PPT Presentation
Dari hasil Analisa sentiment publik
Twitter sebanyak 703 tweets, mengenai
emiten ANTM didapatkan distribusi :
POSITIF = 0
NETRAL = 501
NEGATIF = 202
13. Kata Kunci Terpopuler
di Twitter mengenai
$ANTM
Kata ‘beli’
mengindikasikan
kepercayaan investor retail
mengenai saham $ANTM,
namun juga banyak
diantaranya yang
menyesalkan ‘nyangkut’
karena membeli di harga
tinggi sehingga ketika
harga turun memiliki
floating loss dalam
portofolio.
Emiten lain yg
kerap disebut:
TINS dan
INCO
10 kata terbanyak dalam Tweets
15. Harga Saham $ANTM
VS Jumlah Tweet
Investor retail ‘berkicau’
lebih banyak ketika harga
saham anjlok
We Create Quality Professional
PPT Presentation
Hal menarik yang didapat ketika
membandingkan jumlah tweet dengan
harga saham adalah investor retail
kerap ‘berkicau’ lebih banyak ketika
harga saham turun signifikan (pada
tanggal 8 Maret), tidak sebanyak
kicauan investor retail ketika harga
naik cukup banyak 120 poin, yaitu pada
tanggal 12 Maret, dimana berita
mengenai pembentukan holding pabrik
baterai EV regional membawa
sentiment positif.
Harga Saham $ANTM (data dari API yahoo finance)
16. Insight
Membeli atau menjual
saham berdasarkan opini
publik menjadi tidak
strategis disebabkan user
baru akan tweet ketika
harga telah terbentuk.
Don’t buy based on other
opinion as everyone has
their own biases.
Adanya interval waktu antara harga saham dengan kicauan
user twitter (user baru akan tweet ketika harga sudah
terbentuk, dapat dilihat dari tweet yang sudah didapatkan
melalui API) menyebabkan menggunakan data tweet
sebagai basis keputusan membeli atau menjual saham
menjadi tidak strategis.
Opini publik memiliki bias masing-masing, sehingga
menjadi penting untuk investor memiliki conviction atau
keyakinan terhadap fundamental perusahaan yang dipilih.
Meski demikian, kita dapat melihat adanya korelasi harga
saham yang turun dalam ketika jumlah tweet juga
meningkat drastis.
18. D i s t r i b u s i d a t a t e x t y a n g s u d a h
ditransformasi menjadi Vektor TF-IDF
Exploratory Data
A n a l y s i s
19. Performansi
Klasifikasi Text - Machine Learning
Dengan menggunakan model
klasifikasi Support Vector Classifier /
Gradient Boosing, algoritmal mampu
memiliki akurasi tertinggi 76.6 %
MODEL Akurasi
Naïve Bayes 60.2 %
Logistic Reg 75.8 %
Support Vector 76.6 %
Gradient Boosting 76.6 %
Bernoulli 75.1 %
Random Forest 73%
Komparasi Performansi Model Klasifikasi Kurva ROC dan Precision-Recall untuk SVM & Gradient Boosting