ANALISIS SENTIMEN DAN PEMODELAN TOPIK TERHADAP ULASAN APLIKASI CHATGPT DI GOOGLE PLAYSTORE MENGGUNAKAN SUPPORT VECTOR MACHINE DAN LATENT DIRICHLET ALLOCATION

Perkembangan pesat aplikasi ChatGPT di Indonesia mendorong mening-katnya jumlah ulasan pengguna di Google Play Store yang berpotensi menjadi sumber informasi berharga untuk memahami persepsi publik. Namun, besarnya volume ulasan dan ketidakseimbangan data antara sentimen positif dan negatif men-jadi tantangan dalam proses analisis secara otomatis. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Support Vector Machine (SVM) dalam mengklasifi-kasikan sentimen ulasan aplikasi ChatGPT serta mengetahui jumlah topik optimal dan nilai coherence score dari pemodelan topik menggunakan Latent Dirichlet Al-location (LDA) pada ulasan positif dan negatif. Dataset yang digunakan terdiri dari 5.000 ulasan berbahasa Indonesia yang diperoleh dari Google Play Store. Hasil pelabelan manual menghasilkan 3.815 ulasan positif (76,3%) dan 1.185 ulasan negatif (23,7%). Validasi dilakukan oleh pakar bahasa untuk memastikan ketepatan pelabelan. Data terlebih dahulu melalui tahap preprocessing meliputi cleaning, case folding, tokenisasi, normalisasi, stopword removal, dan stemming. Klasifikasi sen-timen dilakukan dalam empat skenario pengujian menggunakan SVM dengan ker-nel RBF, yaitu tanpa SMOTE, dengan SMOTE, tanpa SMOTE dengan optimasi parameter, dan dengan SMOTE dan optimasi parameter. Pemodelan topik menggunakan LDA dilakukan secara terpisah pada ulasan positif dan negatif dengan penentuan jumlah topik optimal berdasarkan coherence score CV. Hasil penelitian menunjukkan bahwa skenario terbaik pada klasifikasi SVM diperoleh dari kombinasi SMOTE dan optimasi parameter grid search (C=10, gamma=0,01) dengan akurasi 84,28%, precision 86%, recall 84%, dan F1-score 85%. Pada pemodelan topik LDA, ulasan positif menghasilkan 10 topik optimal dengan coher-ence score 0,571 sedangkan ulasan negatif menghasilkan 2 topik optimal dengan coherence score 0,524. Hasil ini menunjukkan bahwa kombinasi SVM dan LDA mampu memberikan analisis yang menyeluruh terhadap sentimen dan topik ulasan pengguna aplikasi ChatGPT.