SENTIMENT ANALYSIS OF PUBLIC OPINION ON APPLICATION X (TWITTER) IN INDONESIA AGAINST CHATGPT USING NAÏVE BAYES ALGORITHM

Yayak Kartika Sari
Fahrur Rozi
Sulthon Muhyiddin
Farid Sukmana


DOI: https://doi.org/10.29100/jipi.v9i4.7052

Abstract


In the era of technological development and information is increasingly widespread. Data and information are easier to obtain using current technology, especially using social media such as Instagram, Facebook, (x) Twitter and others. In social media, information can be in the form of public opinions containing praise, hate speech, and hoaxes which can result in arguments against the information presented, especially on the x (twitter) application. Therefore, research was conducted on sentiment analysis of positive and negative opinions of Indonesian people on application x (twitter) about ChatGPT using the naive bayes method. Basically, Naive Bayes looks for the largest conditional probability value for each class. The technique used to explore public opinion data on application x (twitter) about ChatGPT is google collabs with the results of data mining as much as 1012 data. of these 1012 data cleaning and sentiment analysis using the naive bayes method. Naïve Bayes method classification results with a total of 762 twitter comments about ChatGPT. 100 are used as training data modeled using the naïve bayes method. The accuracy value is 99.00%, positive prediction precision is 100%, negative prediction precision is 96.43%, positive data recall is 98.63%, and negative data recall is 100%.

Keywords


ChatGPT; Google Collabs; Naïve Bayes; Recall

Full Text:

PDF

Article Metrics :

References


Rusdiaman, D., & Rosiyadi, D. (2019). Analisa Sentimen Terhadap Tokoh Publik Menggunakan Metode Naïve Bayes Classifier Dan Support Vector Machine (Vol. 4, Issue 2).

Anjani, A. M., Chamid, A. A., & Murti, A. C. (2022). Analisis Sentimen Kaum Lgbt Pada Media Sosial Twitter Menggunakan Algoritma Naïve Bayes (Vol. 1, Issue 2). Halaman 1~8.

Fitra Rizki, M., Auliasari, K., & Primaswara Prasetya, R. (2021). Analisis Sentiment Cyberbullying Pada Sosial Media Twitter Menggunakan Metode Support Vector Machine. In Jurnal Mahasiswa Teknik Informatika) (Vol. 5, Issue 2).

Fikri, M. I., Sabrila, T. S., & Azhar, Y. (2020). Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter. SMATIKA JURNAL, 10(02), 71–76. https://doi.org/10.32664/smatika.v10i02.455.

Berliana, D. R., & Santoso, B. (2022). Elektabilitas Ridwan Kamil Dan Anies Baswedan Dalam Simulasi Pilpres 2024 Di Twitter (Analisis Jaringan Media Sosial Dan Analisis Sentimen Pengguna Twitter Terhadap #Ridwankamil Dan #Aniesbaswedan). Mediakom : Jurnal Ilmu Komunikasi, 6(2), 150–162. https://doi.org/10.35760/mkm.2022.v6i2.6962

Setiawan, A., & Luthfiyani, U. K. (2023). Penggunaan ChatGPT Untuk Pendidikan di Era Education 4.0: Usulan Inovasi Meningkatkan Keterampilan Menulis. Jurnal PETISI, 04(01).

Albasithu, F., & Wibowo, A. (2022). Perbandingan Algoritma Naïve Bayes Dan C4.5 pada Analisis Sentimen Presiden 3 Periode di Twitter. In Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI) Jakarta-Indonesia. https://senafti.budiluhur.ac.id/index.php/

Ilmawan, L. B., & Mude, M. A. (2020). Perbandingan Metode Klasifikasi Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Ulasan Tekstual di Google Play Store. ILKOM Jurnal Ilmiah, 12(2), 154–161. https://doi.org/10.33096/ilkom.v12i2.597.154-161

Muttaqin, M. N., & Kharisudin, I. (2021). Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor. UNNES Journal of Mathematics, 10(2), 22–27. http://journal.unnes.ac.id/sju/index.php/ujm

Suharmawan, W. (2023). Pemanfaatan Chat Gpt Dalam Duniaa Pendidikan. Education Journal : Journal Education Research and Development, 7(2), 158–166

Pasaribu, B. M., Winoto, Y., Lies, U., & Khadijah, S. (n.d.). Twitter Sebagai Media Pemenuhan Kebutuhan Informasi Penggemar Musik Korea di Indonesia. 10, 7–15. http://ejournal.unp.ac.id/index.php/iipk/index.

Annisa Batu Bara, E., Amelia Nasution, K., Zahara Ginting, R., & Studi Ilmu Perpustakaan, P. (n.d.). (2023). Penelitian tentang Twitter

Fahlevvi, M. R. (2022). Analisis Sentimen Terhadap Ulasan Aplikasi Pejabat Pengelola Informasi dan Dokumentasi Kementerian Dalam Negeri Republik Indonesia di Google Playstore Menggunakan Metode Support Vector Machine. Jurnal Teknologi Dan Komunikasi Pemerintahan, 4(1), 1–13. http://ejournal.ipdn.ac.id/JTKP,

Irwansyah Saputra, D. A. K. (2022). Machine Learning untuk Pemula. Informatika Bandung.

Natasuwarna, A. P. (2020). Seleksi Fitur Support Vector Machine pada Analisis Sentimen Keberlanjutan Pembelajaran Daring. Techno.Com, 19(4), 437–448. https://doi.org/10.33633/tc.v19i4.4044

Arviana, G. N. (2021). Sentiment Analysis, Teknik untuk Pahami Maksud di Balik Opini Pelanggan. 1 Februari.

Rahman Isnain, A., Indra Sakti, A., Alita, D., & Satya Marga, N. (2021). Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma Svm. Jdmsi, 2(1), 31–37.

Baihaqi, W. M., Pinilih, M., Rohmah, M., Informasi, T., Purwokerto, U. A., Informasi, S., Purwokerto, U. A., & Korespondensi, P. (2020). Kombinasi K-Means Dan Support Vector Machine ( Svm ) Untuk K-Means and Support Vector Machine ( Svm ) Combination To Predict Sara Elements on Tweet. Jurnal Teknologi Informasi Dan Ilmu Komputer, 7(3), 501–510. https://doi.org/10.25126/jtiik.202072126

Taufiqurrahman, F., Faraby, S. Al, & Purbolaksono, M. D. (2021). Klasifikasi Teks Multi Label pada Hadis Terjemahan Bahasa Indonesia Menggunakan Chi Square dan SVM. E-Proceeding of Engineering, 8(5), 10650–10659.

Hajiati, S. R. I., Informatika, P. S., Komunikasi, F., Informatika, D. A. N., & Surakarta, U. M. (2021). Perbandingan Tingkat Akurasi Algoritma Restricted Boltzmann Machine Dan Backpropagation Dalam.

Rahmawati, N. (2019). Klasifikasi Kondisi Gizi Balita Menggunakan Metode Naive Bayes (Studi Kasus Posyandu Melati IV). Jurnal Ilmiah Mahasiswa Teknik Informatika, 2(3).http://repository.unama.ac.id/id/eprint/980