ANALISIS SENTIMEN TERHADAP PENGGUNAAN CHATGPT BERDASARKAN TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES

Dwi Transiska; Dimas Febriawan;

Abstrak−Chatbot dapat membantu dengan bekerja sama antara pengguna dan
perusahaan atau organisasi. Pada masa sekarang, kecerdasan buatan melalui chatbot
telah menjadi salah satu andalan dalam menangani berbagai masalah. Salah satu jenis
chatbot yang terkenal adalah ChatGPT, yang memanfaatkan teknologi NLP (Natural
Language Processing) untuk memahami dan menjawab pertanyaan dan permintaan
pengguna. ChatGPT sebagai perangkat yang sangat mudah digunakan untuk semua
kalangan, tampilan interface ChatGPT cukup sederhana namun tidak menimbulkan rasa
bosan, dan kecepatan dalam merespon peritah yang diberikan, hal ini menjadi nilai
tambah ChatGPT. Meskipun dengan segudang kemudahan yang ditawarkan, ChatGPT
juga menimbulkan kekhawatiran pada sisi negatifnya. Sisi negatifnya yaitu banyak
kekhawatiran yang muncul mulai dari maraknya penyebaran hoaks dan kesalahpahaman
di media sosial. Kelebihan serta kekurangan yang telah di jelaskan di atas, peneliti
mendapatkan dorongan untuk mengetahui kebenaranya dari respon masyarakat terkait
ChatGPT lebih dalam sehingga di buatlah penelitian analisis sentimen ini dibuat.
Apalagi penelitian terkait analisis sentimen ini bisa di bilang cukup menjadi jawaban
atas simpang siur nya respon masyarakat di luaran terkait ChatGPT. Penelitian ini juga
di mulai dari proses Pengambilan data pada media sosial Twitter menggunakan
Rapidminer, pada proses ini peneliti menggunakan token API Twitter pada aplikasi
Rapidminer sehingga dapat di peroleh. Data yang telah diperoleh kemudian dibersihkan
melalui proses preprocessing dengan menggunakan fitur fitur yang tersedia pada
Rapidminer, hasil dari proses inilah data menjadi bersih. Setelah di bersihkan melalui
preprocessing selanjutnya diberi pelabelan yaitu berlabel positif atau berlabel negatif
yang nantinya akan diklasifikasikan oleh algoritma Naïve Bayes. Klasifikasi ini
bertujuan untuk membagi antara sentimen positif dan sentimen negatif. Setelah
melakukan klasifikasi, data kemudian dievaluasi menggunakan confusion matrix dan
didapatkan hasil nilai accuracy sebesar 96,55%, nilai precision sebesar 89,19%, dan
nilai recall sebanyak 95,18%.

Kata Kunci: Algoritma; Analisis Sentimen; ChatGPT; Naïve Bayes; Twitter