<![CDATA[Perkembangan teknologi kecerdasan buatan generatif seperti ChatGPT telah meningkatkan penggunaan aplikasi berbasis Artificial Intelligence (AI) dalam berbagai bidang, seperti pendidikan, pekerjaan, dan pencarian informasi. Meningkatnya jumlah pengguna menyebabkan munculnya berbagai ulasan yang berisi opini, pengalaman, serta tingkat kepuasan pengguna terhadap aplikasi tersebut. Oleh karena itu, diperlukan analisis sentimen untuk mengetahui kecenderungan opini pengguna berdasarkan ulasan yang diberikan. Penelitian ini bertujuan untuk membangun sistem analisis sentimen terhadap ulasan pengguna aplikasi ChatGPT menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) sebagai metode ekstraksi fitur dan Support Vector Machine (SVM) sebagai metode klasifikasi. Dataset yang digunakan berupa 5.000 ulasan pengguna aplikasi ChatGPT yang diperoleh dari Google Play Store. Tahapan penelitian meliputi pengumpulan dataset, pelabelan sentimen berdasarkan rating pengguna, preprocessing teks, pembobotan fitur menggunakan TF-IDF, klasifikasi menggunakan algoritma SVM, serta evaluasi model menggunakan Accuracy, Precision, Recall, dan F1-Score. Hasil pengujian menunjukkan bahwa kombinasi metode TF-IDF dan SVM menghasilkan nilai Accuracy sebesar 90,10%, Precision sebesar 87,19%, Recall sebesar 90,10%, dan F1-Score sebesar 88,38%. Sistem yang dikembangkan berhasil mengklasifikasikan ulasan pengguna ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral, sehingga dapat membantu memahami persepsi pengguna terhadap aplikasi ChatGPT berdasarkan ulasan yang diberikan.]]>
Copyrights © 2026
