<![CDATA[Adopsi aplikasi chatbot berbasis AI, seperti ChatGPT dan Grok, yang menghasilkan berbagai ulasan pengguna di platform digital, telah meningkat karena kemajuan kecerdasan buatan. Analisis sentimen dari evaluasi ini dapat digunakan untuk memastikan tingkat kebahagiaan dan persepsi pengguna. Studi ini menggunakan teknik berbasis leksikon dan Support Vector Machine (SVM) untuk memeriksa dan membandingkan sentimen evaluasi pengguna ChatGPT dan Grok. Data penelitian terdiri dari 5.000 ulasan pelanggan yang dikumpulkan dari Google Play Store menggunakan teknik web scraping. Pra-pemrosesan data, pelabelan sentimen berbasis leksikon, pembagian 80:20 antara data pelatihan dan data uji, dan klasifikasi algoritma kernel SVM merupakan beberapa langkah dalam proses penelitian. Matriks kebingungan dan laporan klasifikasi dengan metrik termasuk akurasi, presisi, recall, dan F1-score digunakan untuk mengevaluasi model. Menurut temuan, model SVM memperoleh akurasi 89% pada dataset ChatGPT dan 88% pada dataset Grok. Kelas sentimen positif memperoleh nilai presisi dan F1-score tertinggi, masing-masing sebesar 0,93 dan 0,92, pada kedua dataset. Selain itu, model dataset Grok mengungguli ChatGPT dalam mengidentifikasi sentimen negatif. Secara keseluruhan, pendekatan kernel SVM menunjukkan efektivitas dalam menilai sentimen secara akurat dalam ulasan pengguna aplikasi chatbot AI.]]>
Copyrights © 2026
