Analisis Sentimen Ulasan Aplikasi ChatGPT Pada Google Play Menggunakan Metode Support Vector Machine
Abstract
Currently, the usage of mobile applications is on the rise in the digital era, emphasizing the importance of understanding user satisfaction and dissatisfaction. This research aims to examine the sentiment expressed in user reviews of the ChatGPT application on Google Play using the Support Vector Machine (SVM) method. The research methods include collecting user review data, cleaning and preprocessing the data, labeling sentiments, conducting SVM analysis, and evaluating the results. The analysis reveals that the majority of user reviews for the ChatGPT application are positive, with some negative feedback. With an accuracy of 91% and a weighted F1-score of 90%, the SVM method demonstrates effective performance in classifying user review sentiments. This study provides valuable insights into user perceptions of the ChatGPT application, which can inform future enhancements in its quality and services. Furthermore, these findings underscore the potential of SVM in sentiment analysis for various mobile applications.
Keywords: sentiment analysis; ChatGPT; Support Vector Machine
Abstrak
Saat ini, penggunaan aplikasi mobile terus meningkat dalam era digital, sehingga penting untuk memahami kepuasan dan ketidakpuasan pengguna. Penelitian ini dilakukan untuk menganalisis sentimen dari ulasan pengguna aplikasi ChatGPT di Google Play dengan menggunakan metode Support Vector Machine (SVM). Metode penelitian meliputi pengumpulan data ulasan pengguna, pembersihan dan pra-pemrosesan data, pelabelan sentimen, analisis menggunakan SVM, serta evaluasi hasil. Hasil analisis menunjukkan bahwa sebagian besar ulasan pengguna terhadap aplikasi ChatGPT bersifat positif, meskipun terdapat beberapa ulasan negatif. Dengan akurasi sebesar 91% dan F1-score tertimbang sebesar 90%, metode SVM menunjukkan kinerja yang baik dalam mengklasifikasikan sentimen ulasan pengguna. Penelitian ini memberikan wawasan mendalam mengenai persepsi pengguna terhadap aplikasi ChatGPT, yang dapat digunakan untuk meningkatkan kualitas dan layanan aplikasi di masa mendatang. Penelitian ini juga menunjukkan potensi SVM dalam analisis sentimen aplikasi mobile lainnya.
Kata kunci: Analisis sentimen; ChatGPT; Support Vector Machine
References
R. Dale, “GPT-3: What’s it good for?,” Nat. Lang. Eng., vol. 27, no. 1, pp. 113–118, 2021, doi: 10.1017/S1351324920000601.
R. Nurfitriana Handayani, “Optimasi Algoritma Support Vector Machine Untuk AnalisisSentimen Pada Ulasan Produk Tokopedia Menggunakan Pso,” Media Inform., vol. 20, no. 2, pp. 97–108, 2021.
M. K. Khoirul Insan, U. Hayati, and O. Nurdiawan, “Analisis Sentimen Aplikasi Brimo Pada Ulasan Pengguna Di Google Play Menggunakan Algoritma Naive Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 478–483, 2023, doi: 10.36040/jati.v7i1.6373.
M. Y. Febrianta, S. Widiyanesti, and S. R. Ramadhan, “Analisis Ulasan Indie Video Game Lokal pada Steam Menggunakan Analisis Sentimen dan Pemodelan Topik Berbasis Latent Dirichlet Allocation,” J. Animat. Games Stud., vol. 7, no. 2, pp. 117–144, 2021, doi: 10.24821/jags.v7i2.5162.
L. 2023, “No Titleการบริหารจัดการการบริการที่มีคุณภาพใน โรงพยาบาลสังกัดกระทรวงสาธารณสุข,” วารสารวิชาการมหาวิทยาลัยอีสเทิร์นเอเชีย, vol. 4, no. 1, pp. 88–100, 2023.
I. S. K. Idris, Y. A. Mustofa, and I. A. Salihi, “Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM),” Jambura J. Electr. Electron. Eng., vol. 5, no. 1, pp. 32–35, 2023, doi: 10.37905/jjeee.v5i1.16830.
V. Alviani, S. Alam, and I. Kurniawan, “Analisis Sentimen Review Aplikasi Wetv Pada Platform Twitter Menggunakan Support Vector Machine,” STORAGE J. Ilm. Tek. dan Ilmu Komput., vol. 2, no. 3, pp. 143–149, 2023, doi: 10.55123/storage.v2i3.2351.
N. Fathirachman Mahing, A. Lazuardi Gunawan, A. Foresta Azhar Zen, F. Abdurrachman Bachtiar, and S. Agung Wicaksono, “Klasifikasi Tingkat Stress dari Data Berbentuk Teks dengan Menggunakan Algoritma Support Vector Machine (SVM) dan Random Forest,” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 7, pp. 1527–1536, 2023, doi: 10.25126/jtiik.1078010.
D. E. Sondakh, S. W. Taju, M. G. Tene, and A. E. T. Pangaila, “Sistem Analisis Sentimen Ulasan Aplikasi Belanja Online Menggunakan Metode Ensemble Learning Sentiment Analysis System for Online Shopping Application Reviews Using Ensemble Learning Method,” Cogito Smart J., vol. 9, no. 2, pp. 280–291, 2023, [Online]. Available: https://cogito.unklab.ac.id/index.php/cogito/
A. Agustin, S. Andrean, S. Susanti, R. Rahmiati, and H. Hamdani, “Review Aplikasi Kredivo Menggunakan Analisis Sentimen Dengan Algoritma Support Vector Machine,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 9, no. 1, pp. 39–49, 2023, doi: 10.36341/rabit.v9i1.4107.
S. Fide, S. Suparti, and S. Sudarno, “Analisis Sentimen Ulasan Aplikasi Tiktok Di Google Play Menggunakan Metode Support Vector Machine (Svm) Dan Asosiasi,” J. Gaussian, vol. 10, no. 3, pp. 346–358, 2021, doi: 10.14710/j.gauss.v10i3.32786.
D. Atmajaya, A. Febrianti, and H. Darwis, “Metode SVM dan Naive Bayes untuk Analisis Sentimen ChatGPT di Twitter,” Indones. J. Comput. Sci., vol. 12, no. 4, pp. 2173–2181, 2023, doi: 10.33022/ijcs.v12i4.3341.
V. A. N. Syafika and R. D. L. N. Karisma, “Implementasi Support Vector Machine (SVM) dalam Penentuan Klasifikasi Indeks Khusus Penanganan Stunting di Indonesia,” Semin. Nas. Off. Stat., vol. 2023, no. 1, pp. 267–276, 2023, doi: 10.34123/semnasoffstat. v2023i1.1595.
D. S. Putri, N. Sulistiyowati, and A. Voutama, “Analisis Sentimen dan Pemodelan Ulasan Aplikasi AdaKami Menggunakan Algoritma SVM dan KNN,” J. Sensi, vol. 9, no. 2, pp. 209–225, 2023, doi: 10.33050/sensi.v9i2.2914.
R. Abdillah, E. Haerani, and R. M. Candra, “Analisis Sentimen Ulasan Aplikasi Wetv Untuk Peningkatan Layanan Menggunakan Metode Support Vector Machine,” J. Inf. Syst. Res., vol. 4, no. 3, pp. 865–873, 2023, doi: 10.47065/josh.v4i3.3353.
A. A. Arifiyanti, N. R. Shantika, and A. O. Syafira, “Analisis Sentimen Ulasan Pengguna Bsi Mobile Pada Google Play Dengan Pendekatan Supervised Learning,” J. Inform. Polinema, vol. 9, no. 3, pp. 283–288, 2023, doi: 10.33795/jip.v9i3.1003.
W. Ariannor, E. A. Kusuma, F. Fadilah, and M. Arsyad, “Analyzing User Sentiments in Motor Vehicle Tax Applications Using the Naïve Bayes Algorithm,” Progresif J. Ilm. Komput., vol. 20, no. 1, p. 91, 2024, doi: 10.35889/progresif.v20i1.1694.
H. Harnelia, “Analisis Sentimen Review Skincare Skintific Dengan Algoritma Support Vector Machine (Svm),” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 2, 2024, doi: 10.23960/jitet.v12i2.4095.
How To Cite This :
Refbacks
- There are currently no refbacks.
