Klasifikasi Sentimen Google Play Store Aplikasi ChatGPT Berbahasa Indonesia Berbasis IndoBERT

Ichsani  Mursidah; Remi  Sanjaya; Bambang  Yulianto; Dhian  Sweetania; Puji  Sularsih

doi:10.33395/jmp.v14i2.15751

Authors

Ichsani Mursidah Universitas Gunadarma
Remi Sanjaya Universitas Gunadarma
Bambang Yulianto Universitas Gunadarma
Dhian Sweetania Universitas Gunadarma
Puji Sularsih Universitas Gunadarma

DOI:

10.33395/jmp.v14i2.15751

Keywords:

Analisis Sentimen, Indobert, Deep Learning, Ulasan Pengguna, Bahasa Indonesia

Abstract

Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi ChatGPT berbahasa Indonesia dengan memanfaatkan metode IndoBERT. Sentimen pengguna diklasifikasikan ke dalam tiga kelas, yaitu positif, negatif, dan netral. Data yang digunakan dalam penelitian ini berjumlah 25.111 ulasan yang diperoleh dari Google Play Store. Dataset tersebut kemudian melalui tahapan pra-pemrosesan teks yang meliputi text cleaning, tokenization, penghapusan stopword, normalisasi, serta stemming. Metode IndoBERT diterapkan pada proses pelabelan sekaligus klasifikasi sentimen, sementara kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model IndoBERT mampu mencapai nilai akurasi sebesar 89%, presisi 87%, recall 89%, dan F1-score sebesar 88%. Temuan ini mengindikasikan bahwa IndoBERT memiliki performa yang baik dan efektif dalam melakukan klasifikasi sentimen pada teks berbahasa Indonesia. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan kajian analisis sentimen berbasis Bahasa Indonesia serta menjadi referensi dalam upaya peningkatan kualitas dan pengalaman pengguna pada aplikasi ChatGPT maupun aplikasi serupa.

GS Cited Analysis

References

Alga, J., Wulandari, C., & Intan, B. (2024). Analisis Sentimen Aplikasi YouTube di Google Play Store menggunakan Machine Learning. Resolusi, 4(4). https://doi.org/10.30865/resolusi.v4i4.1750

Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., … Wright, R. (2023). “So what if ChatGPT wrote it?”: Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642.

https://doi.org/10.1016/j.ijinfomgt.2023.102642

Febrywinata. (2024). Pemanfaatan Google Colaboratory sebagai media pembelajaran pemrograman Python berbasis cloud. Jurnal Teknologi Informasi dan Pendidikan. https://journal.example.ac.id/google-colab

Harun, M., & Ananda, R. (2021). Evaluasi kinerja model klasifikasi menggunakan confusion matrix. Jurnal Teknologi dan Sistem Informasi, 7(2), 45–52.

https://doi.org/10.31289/jutsi.v7i2.4567

Hassani, H., & Silva, E. (2023). The role of ChatGPT in data science and artificial intelligence. Big Data and Cognitive Computing, 7(2), 1–12.

https://doi.org/10.3390/bdcc7020062

Helmud, E., Fitriyani, F., & Romadiana, P. (2024). Classification comparison performance of supervised machine learning using confusion matrix as evaluation. SISFOKOM, 13(1). https://doi.org/10.32736/sisfokom.v13i1.1985

Herlinawati, E., Pratama, A., & Nugroho, Y. (2020). Analisis ulasan pengguna aplikasi Android di Google Play Store. Jurnal Sistem Informasi, 16(1), 1–10.

https://doi.org/10.21609/jsi.v16i1.950

Kalla, D., & Kuraku, S. (2023). ChatGPT-based systems: Architecture, training models, and applications. Journal of Artificial Intelligence Research and Applications, 4(1), 21–30. https://doi.org/10.5430/jair.v4n1p21

Marquis, R., Oladoyinbo, A., Olabanji, O., Olaniyi, O., & Ajayi, O. (2024). Transformer-based language models for conversational agents. International Journal of Computer Science and Information Security, 22(1), 55–63.

https://doi.org/10.5281/zenodo.10543210

Putra, R. S., & Ratih, I. D. (2021). Klasifikasi Tanggapan Pelaksanaan Program Magang dengan Menggunakan Metode Naive Bayes Classifier. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 129–137. https://doi.org/10.57152/malcom.v1i2.113

Retnoningsih, E., & Pramudita, R. (2020). Mengenal Machine Learning Dengan Teknik Supervised dan Unsupervised Learning Menggunakan Python. BINA INSANI ICT JOURNAL, 156–165. https://doi.org/10.51211/biiict.v7i2.1422

Widaad, N. (2024). Analisis sentimen ulasan pengguna aplikasi ChatGPT di Google Play Store menggunakan metode SVM dan CNN (Tesis Magister, Universitas Gunadarma). Program Studi Sistem Informasi Bisnis, Magister Manajemen Sistem Informasi.