<![CDATA[Currently, the usage of mobile applications is on the rise in the digital era, emphasizing the importance of understanding user satisfaction and dissatisfaction. This research aims to examine the sentiment expressed in user reviews of the ChatGPT application on Google Play using the Support Vector Machine (SVM) method. The research methods include collecting user review data, cleaning and preprocessing the data, labeling sentiments, conducting SVM analysis, and evaluating the results. The analysis reveals that the majority of user reviews for the ChatGPT application are positive, with some negative feedback. With an accuracy of 91% and a weighted F1-score of 90%, the SVM method demonstrates effective performance in classifying user review sentiments. This study provides valuable insights into user perceptions of the ChatGPT application, which can inform future enhancements in its quality and services. Furthermore, these findings underscore the potential of SVM in sentiment analysis for various mobile applications.Keywords: sentiment analysis; ChatGPT; Support Vector Machine  AbstrakSaat ini, penggunaan aplikasi mobile terus meningkat dalam era digital, sehingga penting untuk memahami kepuasan dan ketidakpuasan pengguna. Penelitian ini dilakukan untuk menganalisis sentimen dari ulasan pengguna aplikasi ChatGPT di Google Play dengan menggunakan metode Support Vector Machine (SVM). Metode penelitian meliputi pengumpulan data ulasan pengguna, pembersihan dan pra-pemrosesan data, pelabelan sentimen, analisis menggunakan SVM, serta evaluasi hasil. Hasil analisis menunjukkan bahwa sebagian besar ulasan pengguna terhadap aplikasi ChatGPT bersifat positif, meskipun terdapat beberapa ulasan negatif. Dengan akurasi sebesar 91% dan F1-score tertimbang sebesar 90%, metode SVM menunjukkan kinerja yang baik dalam mengklasifikasikan sentimen ulasan pengguna. Penelitian ini memberikan wawasan mendalam mengenai persepsi pengguna terhadap aplikasi ChatGPT, yang dapat digunakan untuk meningkatkan kualitas dan layanan aplikasi di masa mendatang. Penelitian ini juga menunjukkan potensi SVM dalam analisis sentimen aplikasi mobile lainnya.Kata kunci: Analisis sentimen; ChatGPT; Support Vector Machine]]>
