<![CDATA[Perkembangan AI Tools seperti ChatGPT, Gemini AI, dan Meta AI di Indonesia memicu polarisasi opini di media sosial X antara peningkatan produktivitas dan kekhawatiran keamanan data. Melalui pemanfaatan kernel Radial Basis Function (RBF) pada Support Vector Machine (SVM) dan ekstraksi fitur TF-IDF, penelitian ini diarahkan untuk mengklasifikasikan sentimen tersebut. Dari 3.531 tweet yang dikumpulkan melalui tweet-harvest, tahap pemrosesan teks menghasilkan 3.483 data bersih. Pelabelan otomatis berbasis leksikon membagi data menjadi 1.821 sentimen positif dan 1.662 negatif. Melalui pengujian dengan rasio data 80:20, model SVM menghasilkan akurasi total 80,0% dengan Precision 0,80 untuk kedua kelas. Model ini lebih optimal dalam mengenali sentimen positif (Recall 0,83 dan F1-Score 0,81) dibandingkan kelas negatif (Recall 0,76 dan F1-Score 0,78). Hasil ini membuktikan bahwa mayoritas masyarakat Indonesia merespons positif dan adaptif terhadap integrasi AI Tools dalam aktivitas harian.]]>
Copyrights © 2026
