Analisis Sentimen Aplikasi ChatGPT Menggunakan Support Vector Machine Komparasi Dengan Random Forest Classifier

• DITA NATASYA PUTRI
• 2024

---

Dalam era digital yang terus berkembang teknologi telah mengubah hubungan antara manusia dan inovasi teknologi. Salah satu terobosan terbaru adalah penggunaan kecerdasan buatan (AI) dalam bentuk chatbot seperti ChatGPT yang dikembangkan oleh OpenAI. Namun seiring dengan kemajuan ini muncul juga pro dan kontra di
masyarakat yang sering kali tercermin melalui ulasan dan rating pada platform seperti Google Play Store. Penelitian bertujuan untuk mengetahui model algoritma mana yang lebih akurat antara algoritma Support Vector Machine (SVM) dan Random Forest dalam mengklasifikasi sentimen masyarakat terhadap aplikasi ChatGPT. Metode penelitian yang digunakan meliputi tahap pengumpulan data, labelling, cleaning dan preprocessing, pemodelan menggunakan split validation dan cross validation, serta evaluasi. Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa SVM mencapai akurasi 72.00%, dengan precision 80.00% dan recall 46.51% sedangkan Random Forest mencapai akurasi 60.00% dengan precision 100% namun recall sebesar 6.98% pada split validation. Sementara itu, pada cross validation, SVM mencapai akurasi sebesar 70.10% +/- 2.69%, dengan precission 84.72% +/- 8.22% dan recall 37.57% +/- 4.48%, sedangkan Random Forest memiliki akurasi 58.70% +/- 1.49%, precission 95.00%, dan recall 4.40% +/- 3.36%. Dari hasil tersebut terbukti bahwa SVM lebih unggul dalam mengklasifikasi sentimen ulasan terhadap aplikasi ChatGPT dibandingkan dengan Random Forest.

• Sentiment Analysis
• Random Forest
• SVM
• ChatGPT

https://repository.bsi.ac.id/repo/54985/Analisis-Sentimen-Aplikasi-ChatGPT-Menggunakan-Support-Vector-Machine-Komparasi-Dengan-Random-Forest-Classifier
File full-text dikunci.