ANALISIS SENTIMEN PEMANFAATAN CHATGPT DI EKOSISTEM AKADEMIK MENGGUNAKAN INDOBERT BERBASIS DATA TWITTER/X

Perkembangan penggunaan ChatGPT dalam bidang akademik memunculkan beragam tanggapan di media sosial, sehingga diperlukan analisis sentimen untuk memahami persepsi masyarakat terhadap pemanfaatannya. Penelitian ini bertujuan menganalisis sentimen pengguna ChatGPT pada konteks akademik berdasarkan data Twitter/X berbahasa Indonesia serta membandingkan kinerja model Support Vector Machine (SVM) berbasis TF-IDF dengan model IndoBERT. Dataset yang digunakan berjumlah 6.377 data hasil Preprocessing, pelabelan otomatis menggunakan mdhugol/indonesia-bert-sentiment-classification, verifikasi manual terhadap 1.200 data sampel, serta penghapusan data berlabel Remove. Data kemudian dibagi menggunakan rasio 90:05:05 untuk proses pelatihan, validasi, dan pengujian. Hasil penelitian menunjukkan bahwa sentimen positif mendominasi dengan 2.660 data, diikuti sentimen netral sebanyak 2.227 data dan sentimen negatif sebanyak 1.490 data. Model SVM memperoleh nilai accuracy sebesar 0,6771, sedangkan IndoBERT mencapai accuracy sebesar 0,7931 dengan selisih performa sebesar 11,60%. Hasil tersebut menunjukkan bahwa IndoBERT lebih efektif dibandingkan SVM berbasis TF-IDF dalam mengklasifikasikan sentimen berbahasa Indonesia pada konteks pemanfaatan ChatGPT di bidang akademik.