Eksperimen AI: Menggunakan Ollama Lokal untuk Analisis Sentimen Berita Saham

Halo sobat Ngoprek Tech! Di dunia pasar modal, ada sebuah pepatah terkenal: “Buy the rumor, sell the news”. Seperti yang sudah kita bahas sebelumnya, pergerakan harga saham sangat sensitif terhadap berita dan sentimen publik.

Masalahnya, sebagai manusia biasa yang sibuk bekerja, kita tidak mungkin punya waktu untuk membaca puluhan artikel berita ekonomi setiap pagi, lalu menganalisis apakah berita tersebut berdampak Positif (Bullish) atau Negatif (Bearish) terhadap portofolio kita.

Di sinilah kita bisa mendelegasikan tugas membaca ini kepada Kecerdasan Buatan (AI). Namun, daripada menggunakan API berbayar seperti OpenAI (ChatGPT) yang memakan biaya dan mengirimkan data kita ke server luar, kita akan membangun sistem AI kita sendiri secara lokal menggunakan Ollama!

Mari kita mulai eksperimen Natural Language Processing (NLP) ini.

Mengapa Memilih Ollama?

Ollama adalah tools revolusioner yang memungkinkan kita menjalankan model AI berskala besar (Large Language Models / LLM) seperti Llama 3 (buatan Meta) atau Mistral langsung di komputer lokal kita.

• 100% Gratis: Tidak ada sistem token berbayar.
• Privasi Penuh: Data artikel dan portofolio Anda tidak pernah meninggalkan komputer (tidak ada telemetri ke cloud).
• Offline: Bisa berjalan tanpa koneksi internet setelah model selesai diunduh.
• Developer Friendly: Memiliki API lokal bawaan (localhost:11434) yang sangat mudah diintegrasikan dengan bahasa pemrograman seperti Python.

Persiapan Sistem (Prasyarat)

Sebelum menulis skrip, pastikan Anda sudah menyiapkan environment berikut:

1. Ollama Terinstal: Unduh dan instal Ollama dari situs resminya.
2. Model AI: Buka terminal/CMD Anda, lalu jalankan perintah ollama run llama3 untuk mengunduh model. (Pastikan RAM PC Anda minimal 8GB, direkomendasikan 16GB).
3. Python Terinstal: Pastikan Python 3 sudah berjalan di OS Anda.
4. Library Requests: Instal library untuk melakukan HTTP request dengan mengetikkan pip install requests di terminal.

Langkah 1: Merancang Prompt Engineering

Kunci utama dari AI bukanlah kodenya, melainkan Prompt (perintah) yang kita berikan. Kita harus menginstruksikan Llama 3 agar bertindak sebagai analis keuangan ahli dan memberikan output berupa JSON yang rapi agar mudah diurai ( parsing) oleh sistem kita nanti.

Contoh berita saham yang akan kita analisis:

“Laba bersih PT Bank Central Asia Tbk (BBCA) meroket 15% pada kuartal pertama tahun ini, didorong oleh pertumbuhan kredit yang agresif dan efisiensi operasional. Namun, analis memperingatkan adanya potensi kenaikan suku bunga acuan bulan depan.”

Langkah 2: Menulis Skrip Python

Buat sebuah file bernama sentimen_saham.py di editor kode favorit Anda (VS Code/PyCharm), lalu copy-paste skrip berikut:

Python

import requests
import json

# 1. Teks berita yang ingin kita analisis
berita = """
Laba bersih PT Bank Central Asia Tbk (BBCA) meroket 15% pada kuartal pertama tahun ini, 
didorong oleh pertumbuhan kredit yang agresif dan efisiensi operasional. Namun, analis 
memperingatkan adanya potensi kenaikan suku bunga acuan bulan depan.
"""

# 2. Instruksi (Prompt) untuk Ollama
prompt = f"""
Bertindaklah sebagai analis saham profesional. Analisis teks berita berikut ini.
Tentukan apakah sentimen berita ini terhadap perusahaan terkait bersifat Bullish (Positif), 
Bearish (Negatif), atau Netral. 

Berita: "{berita}"

Berikan jawaban HANYA dalam format JSON dengan struktur berikut:
{{
  "emiten": "Kode saham (jika ada)",
  "sentimen": "Bullish / Bearish / Netral",
  "alasan_singkat": "Penjelasan logis 1 kalimat"
}}
"""

# 3. Konfigurasi Endpoint API Lokal Ollama
url = "http://localhost:11434/api/generate"
payload = {
    "model": "llama3",
    "prompt": prompt,
    "stream": False,
    "format": "json" # Memaksa Ollama menjawab dalam format JSON
}

# 4. Mengeksekusi Request ke Ollama
print("Sedang menganalisis berita menggunakan Ollama lokal...")
try:
    response = requests.post(url, json=payload)
    response.raise_for_status()
    
    # 5. Mengambil dan menampilkan hasil
    hasil_ai = response.json()['response']
    data_json = json.loads(hasil_ai)
    
    print("\n=== HASIL ANALISIS SENTIMEN ===")
    print(f"Emiten   : {data_json['emiten']}")
    print(f"Sentimen : {data_json['sentimen']}")
    print(f"Alasan   : {data_json['alasan_singkat']}")
    print("===============================\n")
    
except Exception as e:
    print(f"Terjadi kesalahan: {e}")

Langkah 3: Eksekusi dan Hasil

Buka terminal Anda, arahkan ke folder tempat file tadi disimpan, lalu jalankan: python sentimen_saham.py

Karena proses komputasi AI terjadi di CPU/GPU lokal Anda, proses ini mungkin memakan waktu beberapa detik tergantung spesifikasi PC. Jika berhasil, output-nya akan terlihat sangat rapi seperti ini:

Plaintext

Sedang menganalisis berita menggunakan Ollama lokal...

=== HASIL ANALISIS SENTIMEN ===
Emiten   : BBCA
Sentimen : Bullish
Alasan   : Kenaikan laba bersih sebesar 15% dan pertumbuhan kredit menunjukkan fundamental yang sangat kuat, meskipun ada sedikit risiko suku bunga.
===============================

Kesimpulan: Potensi Automasi Skala Penuh

Luar biasa, bukan? Hanya dengan beberapa baris kode Python, PC lokal Anda kini telah memiliki kemampuan analitik setara asisten finansial profesional.

Bayangkan potensi automasinya: Anda bisa menulis skrip Web Scraper (misalnya menggunakan BeautifulSoup) untuk menarik puluhan headline berita ekonomi setiap pagi, memasukkannya ke dalam Ollama untuk disaring mana yang Bullish dan Bearish, lalu mengirimkan ringkasannya ke bot Telegram yang sudah kita buat di artikel sebelumnya!

Dengan mengawinkan ilmu DevOps/System Automation, Data, dan Kecerdasan Buatan, Anda selangkah lebih maju dibanding trader manual pada umumnya.

Punya ide lain untuk memanfaatkan Ollama di dunia IT? Bagikan hasil eksperimen prompt Anda di kolom komentar! Salam ngoprek!