ANALISIS SENTIMEN TERHADAP FENOMENA CHATGPT MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY (LSTM) PADA MEDIA SOSIAL TWITTER

Dewasa ini, penggunaan teknologi Artificial Intelligence (AI) semakin marak digunakan dalam kehidupan sehari-hari. Salah satu teknologi kecerdasan buatan yang sedang ramai dan marak digunakan saat ini adalah ChatGPT. ChatGPT memiliki kemampuan untuk memproses bahasa alami dari manusia sehingga dapat membantu manusia dalam berbagai hal layaknya asisten virtual, seperti membantu mengerjakan tugas, membuat algoritma coding, membuat ide untuk konten, memberi saran, dan lain sebagainya. Penggunaan ChatGPT menimbulkan berbagai macam reaksi dari masyarakat. Ada pro dan kontra dari berbagai pihak. Dalam hal ini, untuk mengetahui opini masyarakat terkait ChatGPT perlu dilakukan analisis sentimen. Penulis melakukan analisis sentimen dengan pendekatan lexicon-based, lalu membangun model machine learning untuk analisis sentimen terhadap fenomena ChatGPT di Indonesia menggunakan algoritma Long Short Term Memory (LSTM) pada media sosial Twitter.

Pada penelitian ini menerapkan 4 tahapan yang dilakukan dalam pengolahan data, antara lain data preparation, preprocessing, processing, dan evaluation. Hasil penelitian menunjukkan bahwa tingkat sentimen negatif memiliki jumlah tweet paling tinggi yaitu sebesar 835 tweet. Sedangkan sentimen positif sebesar 675 tweet, dan netral sebesar 311 tweet. Arsitektur model machine learning yang dibangun terdiri dari Embedding layer, LSTM layer, Dropout layer, dan Dense layer. Model ini berhasil mengklasifikasikan sentimen dalam opini positif, negatif, dan netral dengan tingkat accuracy yang diperoleh adalah sebesar 61%.