Analisis Sentimen Ulasan Aplikasi Chatgpt Menggunakan Algoritma Support Vector Machine dan Lexicon Based

Abstract

Latar Belakang: ChatGPT adalah aplikasi berbasis kecerdasan buatan yang semakin populer. Namun, penilaian berbasis rating bintang di Google Play Store belum cukup untuk memahami kepuasan atau keluhan pengguna secara mendalam. Tujuan: Menganalisis ulasan pengguna agar dapat memahami persepsi mereka secara lebih akurat. Metode: Penelitian menggunakan pendekatan SEMMA (Sample, Explore, Modify, Model, Assess), dengan metode lexicon-based dan algoritma machine learning. Sebanyak 3.000 ulasan dikumpulkan dari 10 Oktober 2024 hingga 28 Februari 2025. Sentimen diberi label menggunakan leksikon bahasa Indonesia, lalu diklasifikasikan dengan algoritma Support Vector Machine (SVM), dengan pembagian data 80% untuk pelatihan dan 20% untuk pengujian. Hasil: Model mencapai akurasi 96,49%, precision 96,02%, recall 98,37%, dan F1-score 97,10%. Ini menunjukkan bahwa kombinasi pendekatan leksikon dan SVM efektif untuk klasifikasi sentimen. Kesimpulan: Pendekatan leksikon dan algoritma SVM efektif untuk menganalisis sentimen ulasan pengguna ChatGPT dan mampu mengeneralisasi dengan sangat baik.