Implementasi Metode Lexicon Based dan Support Vector Machine Pada Analisis Sentimen Ulasan Pengguna ChatGPT

Sari

Sentimen analisis ulasan ChatGPT merupakan proses penilaian dan pengkategorian perasaan atau opini pengguna aplikasi ChatGPT yang tercermin dalam ulasan yang mereka tulis diplatform. Pada penelitian ini akan dilakukan analisi sentimen ulasan aplikasi ChatGPT berdasarkan data pada Google Play Store menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan diperoleh melalui teknik scraping dengan memanfaatkan library Python, yaitu google-play-scraper, yang menghasilkan 1393 data ulasan aplikasi ChatGPT. Karena dataset yang terkumpul belum memiliki label sentimen, proses pelabelan dilakukan dengan menerapkan metode lexicon-based, dengan menerapkan kamus Inset pada Lexicon untuk menghitung nilai kemunculan polaritas dalam setiap ulasan. Algoritma SVM diterapkan untuk klasifikasi sentimen dan telah terbukti efektif dalam berbagai penelitian sebelumnya. Metode lexicon-based method memberikan fitur yang sangat relevan sementara SVM mampu mengoptimalkan klasifikasi dengan mempelajari pola dari data dan kombinasi ini lebih robust terhadap variasi dalam ulasan pengguna, seperti bahasa gaul atau ekspresi subjektif, yang mungkin kurang terdeteksi jika hanya mengandalkan satu metode. Oleh karena itu pada penelitian ini menunjukkan bahwa kombinasi metode lexicon-based dan SVM mampu mencapai akurasi tertinggi sebesar 90% serta precision sebesar 94%. Temuan ini menunjukkan potensi metode ini dalam mengklasifikasikan sentimen ulasan aplikasi secara otomatis, memberikan wawasan berharga bagi pengembang aplikasi dan pemangku kepentingan lainnya.

ChatGPT review sentiment analysis is the process of assessing and categorizing the feelings or opinions of ChatGPT application users which are reflected in the reviews they write on the platform. In this research, sentiment analysis of ChatGPT application reviews will be carried out based on data on the Google Play Store using the Support Vector Machine (SVM) algorithm. The dataset used was obtained through a scraping technique using the Python library, namely google-play-scraper, which produced 1393 ChatGPT application review data. Because the collected dataset does not yet have a sentiment label, the labeling process was carried out using a lexicon-based method, by applying the Inset dictionary to the Lexicon to calculate the value of polarity occurrences in each review. The SVM algorithm is applied for sentiment classification and has been proven effective in various previous studies. The lexicon-based method provides highly relevant features while SVM is able to optimize classification by learning patterns from the data and this combination is more robust to variations in user reviews, such as slang or subjective expressions, which may be less detectable if relying only on one method. Therefore, this research shows that the combination of lexicon-based methods and SVM is able to achieve the highest accuracy of 90% and precision of 94%. These findings demonstrate the potential of this method in automatically classifying app review sentiment, providing valuable insights for app developers and other stakeholders.