ANALISIS SENTIMEN OPINI PENGGUNA TWITTER TERHADAP PEMANFAATAN CHATGPT DENGAN METODE SUPPORT VECTOR MACHINE

HAFIDZ, DZULFI ALLAUDIN (2023) ANALISIS SENTIMEN OPINI PENGGUNA TWITTER TERHADAP PEMANFAATAN CHATGPT DENGAN METODE SUPPORT VECTOR MACHINE. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Teks) skripsi19311241.pdf - Published Version Download (2MB)
	Text (Abstrak) abstrak19311241.pdf - Published Version Download (35kB)
	Text (BAB I Pendahuluan) b119311241.pdf - Published Version Download (24kB)
	Text (BAB II Landasan Teori) b219311241.pdf - Published Version Download (383kB)
	Text (Daftar Pustaka) daftar_pustaka19311241.pdf - Bibliography Download (146kB)

Abstract

Dalam era perkembangan teknologi yang pesat saat ini, penerapan kecerdasan buatan (AI), seperti ChatGPT, telah merambah berbagai bidang termasuk perbankan, manufaktur, hiburan, dan pendidikan. ChatGPT berhasil mengumpulkan banyak pengguna dalam waktu singkat setelah peluncurannya pada November 2022. Di bidang pendidikan, ChatGPT dapat digunakan sebagai alat pembelajaran personal yang meningkatkan keterlibatan siswa dan hasil pembelajaran yang disesuaikan. Namun, penggunaan ChatGPT juga memiliki tantangan dan risiko, seperti keterbatasan dalam memahami konteks kompleks dan risiko menurunkan keterampilan kognitif tinggi. Opini dan tanggapan pengguna tersebar di media sosial, khususnya di Twitter. Oleh karena itu, penting untuk melakukan analisis sentimen guna memahami opini dan respons pengguna terhadap tren ini, sehingga dapat memberikan wawasan tentang pandangan mereka terkait pemanfaatan ChatGPT. Dalam penelitian ini, dilakukan analisis sentimen terhadap opini pengguna Twitter tentang pemanfaatan ChatGPT dengan menggunakan metode Support Vector Machine (SVM). Data tweet yang digunakan berjumlah 2.087 dari rentang waktu Januari 2023 hingga Agustus 2023, setelah proses preprocessing tersisa 2.030 data tweet. Hasil pelabelan sentimen menunjukkan bahwa sekitar 40% atau 824 data memiliki sentimen positif, sekitar 32% atau 678 data dengan sentimen negatif, dan sekitar 28% atau 583 data dengan sentimen netral. Dalam metode klasifikasi SVM, digunakan pendekatan multikelas One Against One. Selain itu, digunakan juga teknik hyperparameter tuning dengan Gridsearch CV untuk mencari kombinasi terbaik antara kernel dan parameter. Hasilnya, didapatkan model dengan kombinasi kernel dan parameter terbaik yaitu kernel RBF dengan parameter C: 100 dan gamma: 1. Model ini mencapai nilai akurasi sebesar 78.13%, precision 79,02%, recall 78,13%, dan f1-score 78,33%. Hasil penelitian ini menunjukkan bahwa pengguna Twitter lebih cenderung memberikan opini positif terhadap pemanfaatan ChatGPT sebesar 40%.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Artificial Intelligence (AI), ChatGPT, Sentiment Analysis, Twitter, Support Vector Machine (SVM), One Against One, Hyperparameter Tuning.
Subjects:	SISTEM INFORMASI (S1) > APLIKASI ANDROID SISTEM INFORMASI (S1) > APLIKASI ANDROID
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Sistem Informasi
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	12 Feb 2024 02:56
Last Modified:	12 Feb 2024 02:56
URI:	http://repository.teknokrat.ac.id/id/eprint/5685

Actions (login required)

View Item