Pengembangan Sistem Analisis Sentimen Masyarakat Terhadap Chatgpt Pada Twitter Dengan Perbandingan Metode Naive Bayes Classifier Dan K-Nearest Neighbors

Abstract

Chatgpt merupakan chatbot yang memiliki model kecerdasan buatan dan dirancang untuk menghasilkan text bahasa manusia. Chatgpt menggemparkan dunia sosial media dikarenakan dapat membantu tugas copywriter dengan banyak manfaat. Chatgpt juga dikhawatirkan membawa pengaruh negatif seperti alat pelanggaran akademik dalam ujian online. Penelitian menggunakan media Twitter untuk memperoleh
dataset, Crawling data dari media Twitter menghasilkan 1229 data yang terdiri 629 sentimen positif 300 sentimen negatif dan 300 sentimen netral. Teknik pengujian menggunakan split data dan K-Fold Cross Validation. Hasil uji coba menunjukkan bahwa metode Naive Bayes lebih baik daripada K-Nearest Neighbors pada kedua pengujian. Pengujian dengan hasil akurasi tertinggi sebesar 82,25%, nilai presisi 81,91%, recall 82,25%, dan f1-score 81,37% untuk metode Naive Bayes dengan pengujian split data. Di sisi lain metode K-Nearest Neighbors dengan split data memiliki hasil akurasi 80,43%, nilai presisi 80,97%, recall 80,43% dan f1-score 80,33%. Metode Naive Bayes akurasinya lebih tinggi 1.82% pada pengujian split data dan lebih tinggi 4.57% untuk pengujian k-fold cross validation
Kata Kunci— Chatgpt, Analisis sentimen, Naive Bayes, KNearest Neighbors