KOMPARASI NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN CHATGPT PADA MEDIA SOSIAL TWITTER

Abstract

ChatGPT adalah mesin obrolan cerdas yang dikembangkan oleh OpenAI berdasarkan InstructGPT, yang dilatih untuk mengikuti instruksi secara cepat dan memberikan respons yang mendetail. Kemunculan serta kecakapan ChatGPT yang masih tergolong baru ini jelas mengundang perhatian banyak pihak, terutama para ahli di bidang teknologi Artificial Intelligence. Beragam komentar masyarakat menanggapi munculnya ChatGPT juga terus membanjiri berbagai platform media sosial dan salah satu media sosial yang dinilai cukup update Twitter. Penelitian ini bertujuan untuk melakukan klasifikasi sentimen masyarakat terhadap kemunculan ChatGPT di media sosial Twitter dengan kategori positif, negatif, dan netral. Penelitian ini mengimplementasikan algoritma Naïve Bayes dan Support Vector Machine (SVM) yang mana akan dibandingkan hasil dari tingkat akurasi kedua metode klasifikasi tersebut. Tahapan dalam penelitian ini berupa pengumpulan dan pelabelan data, preprocessing, pembobotan, processing, serta pengujian dan evaluasi. Hasil penerapan model klasifikasi memperoleh nilai akurasi sebesar 65% pada metode Naïve Bayes sementara pada metode SVM menghasilkan nilai akurasi sebesar 74%. Maka, didapatkan kesimpulan bahwa metode SVM memiliki performa yang lebih baik dalam pengklasifikasian model pada penelitian ini karena nilai akurasinya yang lebih tinggi. Dari hasil klasifikasi sentimen, diperoleh persentase tertinggi pada sentimen netral sebesar 55%, kemudian pada sentimen negatif sebesar 26%, dan pada sentimen positif sebesar 19%. Persentase tersebut menunjukkan bahwa mayoritas masyarakat tidak menyatakan setuju maupun tidak setuju mengenai kemunculan ChatGPT, di mana data-data sentimen lebih merujuk pada pemberian informasi. Diharapkan penelitian dapat dikembangkan lebih lanjut menggunakan dataset yang lebih banyak, penerapan algoritma untuk proses pelabelan data, serta penambahan metode klasifikasi yang lebih beragam.