Analisis Opinion Mining Pada Topik Chatgpt di Aplikasi X Dengan Pendekatan Algoritma SVM Berbasis Lexicon

Abstract

Perkembangan teknologi kecerdasan buatan, khususnya dalam bentuk chatbot seperti ChatGPT, telah memberikan dampak signifikan pada berbagai aspek kehidupan, termasuk interaksi di platform media sosial seperti aplikasi X. Analisis sentimen terhadap opini pengguna sangat penting untuk memahami sikap dan reaksi mereka, yang dapat memberikan wawasan berharga bagi pengembang untuk meningkatkan kualitas produk dan layanan. Penelitian ini bertujuan untuk menganalisis opini masyarakat terhadap topik ChatGPT di aplikasi X menggunakan algoritma Support Vector Machine (SVM) berbasis lexicon. Hasil penelitian menunjukkan bahwa algoritma SVM berbasis lexicon dapat secara efektif mengklasifikasikan sentimen Tweet dengan tingkat akurasi yang tinggi. Pelabelan data menggunakan kamus VADER Lexicon menunjukkan hasil sebagai berikut: 431 sentimen positif, 1307 sentimen netral, dan 115 sentimen negatif. Sementara itu, hasil klasifikasi menggunakan algoritma SVM menunjukkan 188 sentimen positif, 1264 sentimen netral, dan 1593 sentimen negatif. Akurasi pengujian menggunakan Cross Validation menghasilkan akurasi sebesar 78.06%, dengan precision 53.72% untuk sentimen positif, 76.74% untuk sentimen netral, dan 81.98% untuk sentimen negatif. Recall untuk masing-masing kelas adalah 23.43% (positif), 74.22% (netral), dan 99.92% (negatif).