Analisis Perbandingan Sentimen Pengguna Twitter Terhadap Chatgpt Menggunakan Text Mining Dengan Metode Klasifikasi

OKTAVIA, NADILA (9882405119121012) (2023) Analisis Perbandingan Sentimen Pengguna Twitter Terhadap Chatgpt Menggunakan Text Mining Dengan Metode Klasifikasi. Undergraduate Thesis, Universitas Informatika dan Bisnis Indonesia.

	Text Cover.pdf Download (323kB)
	Text Abstrak.pdf Download (431kB)
	Text Bab 1.pdf Download (587kB)
	Text Daftar Pustaka.pdf Download (351kB)

Abstract

ChatGPT menjadi topik pembicaraan yang mengundang banyak respon dari para pengguna twitter di Indonesia, baik itu positif, netral maupun negatif. Dari banyaknya respon ini maka dibutuhkan pengumpulan informasi untuk mengetahui sentimen pengguna twitter terhadap ChatGPT. Pada pengolahan data analisis sentimen digunakan text mining untuk proses mengekstraksi informasi yang bermanfaat serta wawasan dari teks yang tidak terstruktur atau tidak terformat dengan metode klasifikasi support vector machine, naïve bayes classifier, logistic regression, random forest dan decision tree. Pengujian dilakukan pada dataset sebanyak 1452 tweet dengan perbandingan 80:20. Berdasarkan hasil analisis menggunakan metode support vector machine mendapatkan nilai accuracy sebesar 61%, precision 78%, recall 61%, f1-score 54%, unutk naïve bayes classifier menghasilkan accuracy 59%, precision 78%, recall 59% dan f1-score 50%, untuk logistic regression menghasilkan accuracy 62%, precision 74%, recall 62%, f1-score 57%, untuk random forest menghasilkan accuracy 64%, precision 68%, recall 64%, f1-score 60%, dan untuk decision tree menghasilkan accuracy 63%, precision 64%, recall 63%, f1-score 60%. Sehingga dapat disimpulkan bahwa metode dengan akurasi terbaik untuk analisis sentiment terhadap ChatGPT adalan random forest. Kata Kunci : ChatGPT, Analisis Sentimen, Text Mining, Support Vector Machine, Naïve Bayes Classifier, Logistic Regression, Random Forest, Decision Tree

Item Type:	Other
Additional Information:	SKRIPSI PRODI SISTEM INFORMASI S1
Subjects:	H Social Sciences > H Social Sciences (General) T Technology > T Technology (General)
Divisions:	Fakultas Teknologi dan Informatika > Sistem Informasi
Depositing User:	PERPUS PERPUSTAKAAN UNIBI
Date Deposited:	19 Nov 2024 08:23
Last Modified:	19 Nov 2024 08:23
URI:	http://repository.unibi.ac.id/id/eprint/726

Actions (login required)

View Item