ANALISA SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN CHATGPT MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

Arya Damar Pratama
Hendry Hendry


DOI: https://doi.org/10.29100/jipi.v9i1.4285

Abstract


Bekembangnya teknologi yang semakin modern menyebabkan manusiadimudahkan dalam melakukan aktivitas kehidupanya. Salah satuteknologi yang sedang berkembang untuk memudahkan aktivitasmanusia adalah hadirnya AI (Artificial Intelegence) yaitu kecerdasanbuatan yang mampu belajar dengan sendirinya karena dibentuk denganalgoritma machine learning didalamnya. Salah satu wujud penerapanyaadalah hadirnya chatgpt yaitu sebuah AI yang mampu berinteraksikepada user melalui inputan user seperti menjawab segala pertanyaanyang diberikan. Dalam penelitian ini akan dilakukan analisa sentimenterhadap penggunaan chatgpt untuk mengetahui pandangan masyarakatapakah positif, negatif dan netral terhadap hadirnya chatgptdimasyarakat. Untuk pengambilan data berasal dari twitter denganbantuan application programming language (API) token key yangdiintegrasikan dengan tools olah data yang digunakan yaitu rapidminer.Kemudian untuk metode olah data menggunakan metode CRSIP-DMsedangakan model algoritma yang digunakan adalah support vectormachine (SVM). Data yang diperoleh dalam penelitian ini sebanyak 2000data tweet namun setelah dilakukan pre processing data menjadi 790 datatweet. Kemudian data hasil prepocesing data tersebut diolah denganmemasukan model algoritmanya dan ditemukan hasil denganditunjukanya confusion matriks yang hasilnya yaitu memiliki jumlahsentimen netral lebih dominan daripada positif maupun negatif.Diketahui bahwa masyarakat Indonesia masih netral akan hadirnyachatgpt yang dikatakan sebagai penggunaan teknologi yang baru makadari itu masih belum mampu menggunakanya secara optimal untukmenjadi tools yang membantu aktivitas kehidupan manusia. Denganadanya hasil tersebut maka bisa digunakan sebagai bahan dasar dalampenelitian lebih lanjut mengenai dampak yang diberikan atas penggunaanchatgpt.

Keywords


Support Vector Machine (SVM); Confusion Matrix; CRISP-DM; Rapidminer; ChatGPT; Analisa Sentimen

Full Text:

PDF

Article Metrics :

References


Akmalia, Rizka, Isnandar Slamet, Hasih Pratiwi. 2022. Analisis Sentimen Twitter Berbahasa Indonesia Terhadap Aplikasi Peduli Lindungi dengan Algoritma SVM, KNN, dan Regresi Logistik. Prosiding Seminar Nasional MIPA UNIPA 2022 (ISSN -2654-7724)

A. Rahmansyah, O. Dewi, P. Andini, T. Hastuti, P. Ningrum, and M. E. Suryana, “Membandingkan Pengaruh Feature Selection Terhadap Algoritma Naïve Bayes dan Support Vector Machine,” Semin. Nas. Apl. Teknol. Inf., pp. 1–7, 2018.

Y. Al-Amrani, M. Lazaar, and K. E. El Kadiri, “Sentiment Analysis Using Hybrid Method Of Support Vector Machine And Decision Tree,” J. Theor. adn Appl. Inf. Technol., vol. 96, no. 7, pp. 1886–1895, 2018.

K. A, Support Vector Machines Succinctly. 2017.

S. Rani and J. Singh, “Sentiment Analysis Of Tweets Using Support Vector Machine,” Int. J. Comput. Sci. Mob. Appl., vol. 5, no. 10, pp. 83–91, 2017.

H. – W. A. Social, “Social Media Advertising Audiances.” 2019.

I. M. B. S. Darma, R. S. Perdana, and Indriati, “Penerapan Sentimen Analisis Acara Televisi Pada Twitter Menggunakan Support Vector Machine dan Algoritma Genetika sebagai Metode Seleksi Fitur,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 3, pp. 998–1007, 2018, [Online]. Available: http://j-ptiik.ub.ac.id.

I. P. Windasari, F. N. Uzzi, and K. I. Satoto, “Sentiment Analysis on Twitter Posts: An analysis of Positive or Negative Opinion on GoJek,” Int. Conf. Inf. Tech, Comput. Electr. Eng., pp. 266–269, 2017.

M. Ahmad, S. Aflab, and I. Ali, “Sentiment Analysis of Tweets using SVM,” vol. 177, no. 5, pp. 25–29, 2017.

I. D. Sholihati, Irmawati, and D. Glory, “Aplikasi Data Mining Berbasis Web Menggunakan Algoritma Apriori untuk Data Penjualan di Apotek,” Semin. Nas. Teknol. Informasi, Komun. dan Apl., vol. 4, no. 2, pp. 121–126, 2019.

M. Cindo, D. P. Rini, and Ermatita, “Studi Komparatif Metode Ekstraksi Fitur pada Analisis Sentimen Maskapai Penerbangan Menggunakan Support Vector Machine dan Maximum Entropy,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 402–407, 2019.

Novantika, A., & Sugiman, S. (2022, February). Analisis Sentimen Ulasan Pengguna Aplikasi Video Conference Google Meet menggunakan Metode SVM dan Logistic Regression. In PRISMA, Prosiding Seminar Nasional Matematika (Vol. 5, pp. 808-813).

Pakpahan, R. (2021). Analisa Pengaruh Implementasi Artificial Intelligence Dalam Kehidupan Manusia. JISICOM (Journal of Information System, Informatics and Computing), 5(2), 506-513.

Hikmawan, S., Pardamean, A., & Khasanah, S. N. (2020). Sentimen Analisis Publik Terhadap Joko Widodo terhadap wabah Covid-19 menggunakan Metode Machine Learning. Jurnal Kajian Ilmiah, 20(2).

Normah, N., Rifai, B., Vambudi, S., & Maulana, R. (2022). Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE. Jurnal Teknik Komputer AMIK BSI, 8(2), 174-180.

Sari, D. N., Adelia, F., Rosdiana, F., Butar, B. B., & Hariyanto, M. (2020). Analisa Sentimen Terhadap Review Produk Kecantikan Menggunakan Metode Naive Bayes Classifier. JIKA (Jurnal Informatika), 4(3), 109-118.

Utami, D. S., & Erfina, A. (2021, September). Analisis Sentimen Pinjaman Online di Twitter Menggunakan Algoritma Support Vector Machine (SVM). In Seminar Nasional Sistem Informasi dan Manajemen Informatika Universitas Nusa Putra (Vol. 1, No. 01, pp. 299-305).

Indrayuni, E. (2016). Analisa Sentimen Review Hotel Menggunakan Algoritma Support Vector Machine Berbasis Particle Swarm Optimization. EVOLUSI: Jurnal Sains dan Manajemen, 4(2).

Bestari, Novina Putri. (14 April 2023). Heboh di Amerika, ChatGPT Sepi Pengguna di Indonesia. cncbcindonesia. https://www.cnbcindonesia.com/tech/20230414131433-37-429971/heboh-di-amerika-chatgpt-sepi-pengguna-di-indonesia.

Binus. (14 Febuari 2022). Support Vector Machine Algorithm. msi.binus. https://sis.binus.ac.id/2022/02/14/support-vector-machine-algorithm/

Binus. (18 September 2020). Cross-Industry Standard Process for Data Mining (CRISP-DM). mmsi.binus. https://mmsi.binus.ac.id/2020/09/18/cross-industry-standard-process-for-data-mining-crisp-dm/

Setiawan, A., & Luthfiyani, U. K. (2023). Penggunaan ChatGPT Untuk Pendidikan di Era Education 4.0: Usulan Inovasi Meningkatkan Keterampilan Menulis. JURNAL PETISI (Pendidikan Teknologi Informasi), 4(1), 49-58.

Tuhuteru, H. (2020). Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine. Journal Information System Development (ISD), 5(2).