Perbandingan Algoritma Multinomial Naive Bayes dan Logistic Regression dalam Analisis Sentimen terhadap ChatGPT pada Media Sosial Twitter

Zhikri, Muhammad (2023) Perbandingan Algoritma Multinomial Naive Bayes dan Logistic Regression dalam Analisis Sentimen terhadap ChatGPT pada Media Sosial Twitter. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (679kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (212kB) | Preview
Preview	PDF BAB_I.pdf Download (215kB) | Preview
Preview	PDF BAB_II.pdf Download (267kB) | Preview
Preview	PDF BAB_III.pdf Download (313kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (209kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (408kB)

Abstract

ChatGPT merupakan produk kecerdasan buatan yang dikembangkan dan diluncurkan oleh OpenAI. Sejak awal peluncurannya, ChatGPT terus menjadi perbincangan warga dunia karena robot kecerdasan buatan ini mampu memahami pertanyaan, memberikan jawaban yang relevan, dan berinteraksi dengan pengguna dengan tanggapan yang menyerupai percakapan manusia. Namun, karena kemampuan dan kepopulerannya ini lah membuat banyak orang mengekspresikan opini mereka di media sosial termasuk media sosial Twitter. Terdapat ratusan bahkan ribuan opini pengguna Twitter yang berkaitan dengan ChatGPT yang dapat dimanfaatkan untuk melakukan analisis sentimen pada opini pengguna Twitter di Indonesia. Penelitian ini akan membandingkan algoritma multinomial naive bayes dan logistic regression dalam sentimen analisis yang berkaitan dengan ChatGPT. Sebelum klasifikasi dilakukan, TF-IDF (Term Frequency-Inverse Document Frequency) dan SMOTE (Synthetic Minority Over-sampling Technique) akan diimplementasikan. Hasil pengujian menunjukkan hasil bahwa performa logistic regression lebih baik dibandingkan multinomial naive bayes, dengan skor akurasi sebesar 86%, presisi 84%, recall 100%, dan f1-score 91% dengan perbandingan data train 80% dan data test 20%. Pengujian dengan SMOTE juga menunjukkan bahwa Logistic Regression memiliki performa yang lebih baik dengan tingkat akurasi mencapai 91% dibandingkan Multinomial Naive Bayes yang memiliki akurasi 88%

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis Sentimen, Multinomial Naive Bayes, Logistic Regression, ChatGPT, TF-IDF
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.7 Multimedia Systems, Blogs, Social Media, Web Application Frameworks
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Jul 2023 09:45
Last Modified:	08 Aug 2023 03:17
URI:	https://kc.umn.ac.id/id/eprint/26030

Actions (login required)

View Item