<![CDATA[Perkembangan teknologi kecerdasan buatan telah membawa perubahan besar dalam berbagai bidang, termasuk pendidikan. Salah satu teknologi yang banyak digunakan adalah ChatGPT, sebuah model bahasa berbasis AI yang dimanfaatkan oleh pelajar dan mahasiswa untuk mendukung aktivitas akademik. Meskipun pemanfaatannya semakin luas, opini publik terhadap penggunaannya dalam dunia pendidikan masih beragam. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap ChatGPT berdasarkan aspek tertentu, serta mengevaluasi kinerja beberapa algoritma deep learning dalam klasifikasi teks. Penelitian ini menggunakan pendekatan Aspect-Based Sentiment Analysis (ABSA), dengan pemodelan aspek melalui metode Latent Dirichlet Allocation (LDA) dan pelabelan sentimen menggunakan IndoBERT. Data dikumpulkan dari platform X (Twitter) dengan teknik scraping, lalu diproses melalui tahapan preprocessing, ekstraksi fitur, pembagian data, penerapan SMOTE, dan evaluasi model. Tiga algoritma klasifikasi yang digunakan adalah Long Short-Term Memory (LSTM), Bidirectional LSTM (Bi-LSTM), dan Convolutional Neural Network (CNN). Hasil analisis menunjukkan bahwa opini publik terhadap ChatGPT dalam pendidikan cenderung positif, terutama pada aspek Asisten Belajar (62,1%) dan Etika Akademik (55,3%). Pada klasifikasi aspek, model Bi-LSTM dengan split data 90:10 mencatat akurasi tertinggi sebesar 91,11%. Sementara itu, pada klasifikasi sentimen, model yang sama memperoleh akurasi sebesar 87,88% pada split data yang sama. Temuan ini menunjukkan bahwa Bi-LSTM memiliki performa yang baik dalam kedua jenis tugas klasifikasi. Penelitian ini memberikan gambaran mengenai persepsi publik terhadap penggunaan ChatGPT di bidang pendidikan serta mendukung pemilihan model yang sesuai untuk analisis sentimen berbasis aspek.]]>
