Please use this identifier to cite or link to this item: https://repository.unej.ac.id/xmlui/handle/123456789/121688
Title: Analisis Sentimen Pengguna Twitter Terhadap Citra Merek Chat GPT Menggunakan Rule-based, Support Vector Machine, Lexicon-based
Authors: ABIDIN, Arham Zainul
Keywords: Sentiment Analysis
ChatGPT
Brand Image
Twitter
Combined Classification
Issue Date: 22-Jan-2024
Publisher: Fakultas Ilmu Komputer
Abstract: Sebuah chatbot berbasis kecerdasan buatan bernama ChatGPT cukup menuai kontroversi di beberapa media berita dikarenakan mampu menggantikan pekerjaan manusia terutama di bidang karya tulis. Sebagai teknologi baru, tentu saja ChatGPT tidak terlepas dari pro dan kontra. Pro dan kontra ini dapat menyebabkan masyarakat skeptis terhadap citra merek ChatGPT. Oleh karena itu, perlu dilakukan analisis sentimen secara spesifik yaitu pengguna Twitter berbahasa Indonesia yang berfokus pada citra merek ChatGPT. Metode klasifikasi yang digunakan pada penelitian ini adalah gabungan rule-based, Support Vector Machine, dan lexicon-based. Rule-based mengklasifikasi menggunakan emotikon dan secara komparatif, sedangkan lexicon-based mengklasifikasi menggunakan leksikon BabelSenticNet. Dataset didapatkan dengan crawling pada Twitter dan mendapatkan 2500 data, kemudian dilakukan cleansing sehingga menjadi 1728 data. Setelah hasil klasifikasi didapatkan, dilakukan evaluasi model dengan membandingkan performa antara model klasifikasi yang diajukan dengan model klasifikasi pembentuknya. Pada pembandingan performa tersebut, model klasifikasi yang diajukan lebih unggul dengan mendapat skor accuracy 86,3%, precision 87,1%, recall 86,5%, dan f-measure 86,6%. Setelah memprediksi 1728 data, didapatkan pembagian sentimen positif 739 data, sentimen negatif 385 data, dan sentimen netral 604 data. Dari hasil ini, dapat disimpulkan bahwa citra merek ChatGPT di Indonesia cenderung positif meskipun sebagian yang lain merasa kontra dan menilai secara objektif.
URI: https://repository.unej.ac.id/xmlui/handle/123456789/121688
Appears in Collections:UT-Faculty of Computer Science

Files in This Item:
File Description SizeFormat 
REPO-watermark.pdf
  Until 2028-05-03
1.02 MBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Admin Tools