Analisis Opinion Mining Pada Topik Chatgpt di Aplikasi X Dengan Pendekatan Algoritma SVM Berbasis Lexicon
Opinion Mining Analysis on Chatgpt Topics in X App with Lexicon-Based SVM Algorithm Approach
Perkembangan teknologi kecerdasan buatan,khususnya dalam bentuk chatbot seperti ChatGPT, telah memberikan dampaksignifikan pada berbagai aspek kehidupan, termasuk interaksi di platform mediasosial seperti aplikasi X. Meskipun demikian, belum banyak penelitian yang secara mendalam menganalisis bagaimana persepsi dan sentimen pengguna terhadap teknologi ini. 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. Metode penelitian yang digunakan dalam penelitian ini meliputi beberapa tahapan penting. Pertama, data tweet dikumpulkan melalui proses crawling. Kemudian, data tersebut diproses melalui tahap preprocessing untuk membersihkan dan menyiapkannya untuk analisis lebih lanjut. Selanjutnya, data dilabeli menggunakan kamus VADER Lexicon yang memungkinkan pengelompokan sentimen menjadi positif, netral, atau negatif. Terakhir, algoritma SVM digunakan untuk melakukan klasifikasi data berdasarkan sentimen yang telah dilabeli.
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).
The development of artificial intelligence technology, particularly in the form of chatbots like ChatGPT, has significantly impacted various aspects of life, including interactions on social media platforms such as the X application. However, there has been limited in-depth research analyzing user perceptions and sentiments towards this technology. Sentiment analysis of user opinions is crucial for understanding their attitudes and reactions, providing valuable insights for developers to enhance the quality of products and services.
This research aims to analyze public opinion on the ChatGPT topic in the X application using a Lexicon-based Support Vector Machine (SVM) algorithm. The research methods employed in this study encompass several critical stages. Firstly, tweet data were collected through a crawling process. Next, this data underwent preprocessing to clean and prepare it for further analysis. Subsequently, the data was labeled using the VADER Lexicon, allowing the categorization of sentiments into positive, neutral, or negative. Finally, the SVM algorithm was utilized to classify the data based on the labeled sentiments.
The results indicate that the Lexicon-based SVM algorithm can effectively classify tweet sentiments with high accuracy. Data labeling using the VADER Lexicon resulted in 431 positive sentiments, 1307 neutral sentiments, and 115 negative sentiments. Meanwhile, classification results using the SVM algorithm showed 188 positive sentiments, 1264 neutral sentiments, and 1593 negative sentiments. The accuracy of testing using Cross Validation yielded an accuracy of 78.06%, with precision of 53.72% for positive sentiments, 76.74% for neutral sentiments, and 81.98% for negative sentiments. Recall for each class was 23.43% (positive), 74.22% (neutral), and 99.92% (negative).