ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI CHATGPT MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES BERBASIS PYTHON

Abstract

Perkembangan kecerdasan buatan generatif seperti ChatGPT mendorong meningkatnya jumlah ulasan pengguna pada platform digital, khususnya Google Play Store. Ulasan tersebut merepresentasikan persepsi pengguna terhadap kualitas dan performa aplikasi sehingga perlu dianalisis secara sistematis. Permasalahan dalam penelitian ini adalah bagaimana mengklasifikasikan sentimen ulasan pengguna ChatGPT serta menentukan algoritma yang paling optimal untuk tugas tersebut. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna dan membandingkan kinerja algoritma Support Vector Machine (SVM) dan Naive Bayes. Data diperoleh melalui web scraping ulasan berbahasa Indonesia, kemudian dilakukan pembersihan dan preprocessing yang meliputi case folding, tokenizing, stopword removal, dan stemming sehingga diperoleh 9.879 data siap analisis. Pelabelan sentimen dilakukan menggunakan pendekatan lexicon-based, sedangkan pembentukan fitur menggunakan TF-IDF. Model dilatih dan diuji dengan pembagian data 80:20 serta dievaluasi menggunakan akurasi, precision, recall, F1-score, dan confusion matrix. Hasil penelitian menunjukkan bahwa SVM memberikan performa terbaik dengan akurasi di atas 90%, sehingga lebih efektif dalam mengklasifikasikan teks ulasan yang bersifat pendek dan sparse dibandingkan Naive Bayes.