Asrori, Irfan (2024) ANALISIS SENTIMEN TERHADAP MEDIA SOSIAL TWITTER MENGENAI CHATGPT MENGGUNAKAN METODE SVM. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (177kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (479kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (260kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (426kB) |
|
Text (BAB V)
BAB V.pdf Download (36kB) |
|
Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (148kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 20.11.3364.zip Restricted to Repository staff only Download (149kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (901kB) |
Abstract
Perkembangan kecerdasan buatan pada masa sekarang ini sudah semakin pesat yang pada akhirnya manusia dengan mudah berinteraksi dengan komputer untuk menganalisis sesuatu yang diinginkannya. Salah satu kecerdasan buatan yaitu ChatGPT yang dimana seseorang bisa menanyakan persoalannya secara teks kepada komputer. Menyebarnya info tentang keberadaan ChatGPT maka masyarakat mempunyai respons dan pandangan yang bervariasi terhadapnya. Tujuan penelitian ini memahami sentimen dan respons masyarakat, khususnya di media sosial Twitter yang memungkinkan berbagi pemikiran secara cepat dan realtime. Penelitian ini menggunakan metode Support Vector Machine (SVM) untuk analisis sentimen dari tweet. Data dari Twitter yang terkait dengan ChatGPT akan dikumpulkan dan diproses lalu diberikan label sentimen (positif, negatif, atau netral). Model SVM akan dilatih dan dievaluasi untuk memprediksi sentimen tweet terhadap ChatGPT. Hasil dari penelitian menggunakan algoritma Support Vector Machine (SVM) mendapatkan sentimen positif sebesar 10,1%, sentimen negatif sebesar 5,1%, sentimen netral sebesar 84,8% dan akurasi sebesar 87%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | ChatGPT, SVM, Analisis Sentimen, Twitter, Kecerdasan Buatan | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 15 Nov 2024 02:03 | ||
| Last Modified: | 15 Nov 2024 02:03 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/28070 |
Actions (login required)
 |
View Item |