IMPLEMENTASI METODE SUPPORT VECTOR MACHINE PADA OPINION MINING MASYARAKAT TERKAIT CHATGPT

  • Muhammad Muadin STMIK Amik Riau
  • Junadhi Junadhi STMIK Amik Riau
  • Rahmiati Rahmiati STMIK Amik Riau
  • Hadi Asnal STMIK Amik Riau
Abstract viewed = 309 times
PDF (Bahasa Indonesia) downloaded = 277 times

Abstract

ChatGPT mampu memberikan manfaat kepada para dosen dan mahasiswa karena mereka langsung bisa mendapatkan informasi dengan akurat. Sebaliknya, ChatGPT juga memungkinkan para mahasiswa untuk menyontek saat ujian berlangsung dan meminta ChatGPT untuk membuatkan essai soal mata kuliah. Berbagai pendapat atau opini banyak disampaikan melalui media sosial twitter terkait kehadiran ChatGPT. Sebagian masyarakat menganggap ChatGPT sebagai ancaman. Sebagian lainnya justru memandang ChatGPT sebagai peluang. Analisis sentimen merupakan bidang penelitian yang cukup popular, karena dapat memberikan keuntungan untuk berbagai aspek. Penelitian ini menggunakan algoritma Support Vector Machine (SVM) dan menggunakan 189919 dataset. Proses splitting data menggunakan tiga model yaitu 60:40 (60% adalah Training 40% adalah testing), 70:30 (70% adalah Training 30% adalah testing), dan 80:20 (80% adalah Training 20% adalah testing). Hasil penelitian memperoleh data uji dan data latih dengan kombinasi 60:40 menghasilkan tingkat akurasi sebesar 68%. Kemudian kombinasi data latih dan data uji 70:30 menghasilkan tingkat akurasi sebesar 69% dan dengan kombinasi 80:20 menghasilkan nilai akurasi sebesar 70%. Oleh karena itu, dapat disimpulkan bahwa opinion mining masyarakat terhadap ChatGPT menggunakan metode SVM menghasilkan akurasi yang terbaik adalah 70% dengan rasio perbandingan 80:20.

Downloads

Download data is not yet available.

References

Alhaq, Z., Mustopa, A., & Santoso, J. D. (2021). Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Pengguna Twitter.
Almira, A., Suendri, & Ikhwan, A. (2021). Implementasi Data Mining Menggunakan Algoritma Fp-Growth pada Analisis Pola Pencurian Daya Listrik. Jurnal Informatika Universitas Pamulang, 6(2), 442–448. http://www.openjournal.unpam.ac.id/index.php/informatika/article/view/12278
Dwi Cahyo, M. P., Widodo, & Prasetya Adhi, B. (2019). Kinerja Algoritma Support Vector Machine dalam MenentukanKebenaran Informasi Banjir di Twitter. PINTER : Jurnal Pendidikan Teknik Informatika Dan Komputer, 3(2), 116–121. https://doi.org/10.21009/pinter.3.2.5
Fais Sya’ bani, M. R., Enri, U., & Padilah, T. N. (2022). Analisis Sentimen Terhadap Bakal Calon Presiden 2024 Dengan Algoritme Naïve Bayes. JURIKOM (Jurnal Riset Komputer), 9(2), 265. https://doi.org/10.30865/jurikom.v9i2.3989
Firdaus, A., & Firdaus, W. I. (2021). Text Mining Dan Pola Algoritma Dalam Penyelesaian Masalah Informasi : (Sebuah Ulasan). In Jurnal JUPITER (Vol. 13, Issue 1).
Fitriyana, V., Hakim, L., Candra Rini Novitasari, D., Hanif Asyhar, A., Studi Matematika, P., Sains Dan Teknologi, F., Sunan Ampel Surabaya, U., & Timur, J. (2023). Analisis Sentimen Ulasan Aplikasi Jamsostek Mobile Menggunakan Metode Support Vector Machine. In Jurnal Buana Informatika (Vol. 14, Issue 1).
Fridom Mailo, F., Lazuardi, L., Manajemen dan kebijakan Kesehatan Fakultas Kedokteran, D., Masyarakat dan Keperawatan Universitas Gadjah Mada, K., Sistem Informasi Manajemen Kesehatan Fakultas Kedokteran, D., Masyarakat dan Keperawatan, K., & Gadjah Mada, U. (2019). Analisis Sentimen Data Twitter Menggunakan Metode Text Mining Tentang Masalah Obesitas di Indonesia. In Jurnal Sistem Informasi Kesehatan Masyarakat Journal of Information Systems for Public Health (Vol. 4, Issue 1).
Jatikusumo, D., & Derajad Wijaya, H. (2021). IJCIT (Indonesian Journal on Computer and Information Technology) Pendeteksi Lokasi Kejadian Covid-19 Menggunakan Social Media dengan Kombinasi Algoritma Stemming Bahasa Indonesia. In IJCIT (Indonesian Journal on Computer and Information Technology) (Vol. 6, Issue 1).
Junadhi, Agustin, Rifqi, M., & Anam, M. K. (2022). Sentiment Analysis of Online Lectures using K-Nearest Neighbors based on Feature Selection. Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), 11(3), 216–225. https://doi.org/10.23887/janapati.v11i3.51531
Lund, B. D., & Wang, T. (2023). Chatting about ChatGPT: How may AI and GPT impact academia and libraries? https://ssrn.com/abstract=4333415
Made Dwi Dharma Sreya, E. B. S. (2022). Penggunaan Metode GloVe untuk Ekspansi Fitur pada Analisis Sentimen Twitter dengan Naïve Bayes dan Support Vector Machine.
Olive, I., Putra, D., Rega Prilianti, K., Lucky, P., & Irawan, T. (2020). Implementasi Text Mining Untuk Analisis Opini Masyarakat Terhadap Kinerja Layanan Transportasi Online Dengan Analisis Faktor. 8(2).
Rifaldi, D., & Fadlil, A. (2023). DECODE: Jurnal Pendidikan Teknologi Informasi Teknik Preprocessing Pada Text Mining Menggunakan Data Tweet “Mental Health.” 3(2), 161–171. https://doi.org/10.51454/decode.v3i2.131
Zen Munawar, Herru Soerjono, Novianti Indah Putri, Hernawati, & Andina Dwijayanti. (2023). Manfaat Kecerdasan Buatan ChatGPT Untuk Membantu Penulisan Ilmiah. TEMATIK, 10(1), 54–60. https://doi.org/10.38204/tematik.v10i1.1291
Published
2023-07-15
How to Cite
MUADIN, Muhammad et al. IMPLEMENTASI METODE SUPPORT VECTOR MACHINE PADA OPINION MINING MASYARAKAT TERKAIT CHATGPT. JOISIE (Journal Of Information Systems And Informatics Engineering), [S.l.], v. 7, n. 1, p. 78-84, july 2023. ISSN 2527-3116. Available at: <https://ejournal.pelitaindonesia.ac.id/ojs32/index.php/JOISIE/article/view/2911>. Date accessed: 18 july 2024. doi: https://doi.org/10.35145/joisie.v7i1.2911.
Section
Articles