View/Open

Author
Farid, Anfasha Nurhalim

Date Published
27 Jul 2026

Advisor
Winda Yulita, M.Cs.,
Meida Cahyo Untoro, S.Kom., M.Kom,

Subject
Teknik Informatika

Publisher

Pesatnya perkembangan Large Language Model (LLM) seperti ChatGPT memicu beragam opini publik di platform X. Variasi opini ini menciptakan polaritas sentimen yang mencerminkan tingkat penerimaan teknologi AI di masyarakat Indonesia. Meskipun demikian, studi analisis sentimen terhadap ChatGPT masih didominasi oleh dataset berbahasa Inggris, sementara konteks linguistik bahasa Indonesia yang kaya akan slang dan ekspresi informal memerlukan pendekatan tersendiri. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja metode Na¨ıve Bayes, Support Vector Machine (SVM), Logistic Regression, dan Hard Voting Ensemble dalam mengklasifikasikan teks sentimen berbahasa Indonesia, serta mengidentifikasi kecenderungan proporsi sentimen publik terhadap penggunaan ChatGPT. Penelitian ini menggunakan metodologi Knowledge Discovery in Databases (KDD) yang mengaplikasikan ekstraksi bobot Term Frequency - Inverse Document Frequency (TF-IDF). Tiga algoritma machine learning tunggal, yaitu Na¨ıve Bayes, Support Vector Machine (SVM), dan Logistic Regression, dilatih secara paralel dan diintegrasikan melalui mekanisme Hard Voting Ensemble. Evaluasi komputasi dilakukan menggunakan matriks Confusion Matrix terhadap 2.680 tweet berbahasa Indonesia. Hasil pengujian membuktikan bahwa sentimen publik didominasi oleh respon negatif (52,6%). Secara performa klasifikasi, algoritma tunggal SVM berhasil meraih akurasi tertinggi sebesar 74,07%, melampaui pendekatan Voting Ensemble (72,95%), Logistic Regression (72,95%), dan Na¨ıve Bayes (61,57%). Kesimpulan penelitian ini menegaskan bahwa pendekatan Hard Voting Ensemble tidak selalu menghasilkan performa terbaik apabila terdapat model penyusun (Na¨ıve Bayes) yang berkinerja terlalu rendah, sehingga algoritma tunggal seperti SVM terbukti jauh lebih andal dalam memproses klasifikasi bahasa tidak baku pada analisis opini publik

URI
https://repo.itera.ac.id/depan/submission/SB2607240059

Keyword
Analisis Sentimen ChatGPT KDD TF-IDF Voting Ensemble