ANALISIS SENTIMEN MULTI-ASPEK PERFORMA CHATGPT DENGAN METODE RULE-BASED FILTERING DAN NAÏVE BAYES

Perkembangan pesat teknologi kecerdasan buatan telah mendorong banyak pengguna untuk memanfaatkan ChatGPT dalam berbagai keperluan. Namun, re-spons pengguna terhadap performa ChatGPT masih beragam, terutama dalam hal kecepatan dan ketepatan jawabannya. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap ChatGPT secara lebih mendalam melalui pendekatan analisis sentimen multi-aspek, yang difokuskan pada dua aspek utama, yaitu ke-cepatan (speed) dan ketepatan (accuracy). Metode yang digunakan adalah pen-dekatan supervised learning menggunakan algoritma Multinomial Naïve Bayes un-tuk mengklasifikasikan polaritas sentimen pada masing-masing aspek. Data diam-bil dari komentar pengguna pada video YouTube yang membahas ChatGPT, khu-susnya komentar yang mengandung satu atau lebih aspek. Proses pengolahan data meliputi text preprocessing, rule-based filtering untuk mengidentifikasi aspek dan subjek ChatGPT, serta pelabelan sentimen secara otomatis berbasis kata kunci per aspek. Selanjutnya, fitur diekstraksi menggunakan metode Bag of Words dan digunakan dalam proses pembentukan model Naïve Bayes dengan pendekatan Bi-nary Relevance. Model yang dihasilkan kemudian digunakan untuk mengklasifi-kasikan sentimen pada data uji. Evaluasi dilakukan menggunakan Hamming Loss serta didukung oleh analisis precision, recall, dan F1-score. Selain itu, dilakukan eksperimen dengan tiga variasi konfigurasi pipeline — perubahan alpha smoothing, peningkatan classification threshold, dan perluasan fitur bigram — untuk menganalisis pengaruhnya terhadap performa model. Hasil evaluasi menunjukkan bahwa peningkatan classification threshold memberikan Hamming Loss terendah dan precision tertinggi. Penelitian ini menghasilkan model yang dapat mengiden-tifikasi secara otomatis sentimen positif atau negatif pada masing-masing aspek ChatGPT, sehingga memberikan gambaran yang lebih spesifik mengenai persepsi pengguna terhadap performa sistem.