IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE DENGAN PARTICLE SWARM OPTIMIZATION PADA ANALISIS SENTIMEN CHAT GPT DI SOSIAL MEDIA X (TWITTER)

Perkembangan kecerdasan buatan (AI) telah membawa perubahan signifikan dalam berbagai aspek kehidupan, termasuk pendidikan. Chat GPT, sebagai salah satu tool AI populer, menarik banyak perhatian dan diskusi di platform media sosial seperti Twitter. Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter terhadap Chat GPT menggunakan metode SVM yang dioptimasi dengan PSO. Penelitian ini mengumpulkan data tweet dengan kata kunci "chat gpt" di social media X (Twitter). Pengumpulan data dilakukan pada 12-28 April 2024 dan didapatkan sampel data tweet sebanyak 7.284 tweet. Data tweet tersebut kemudian diolah melalui tahapan text processing, pembobotan kata dengan TF-IDF dan Klasifikasi dengan SVM. Algoritma SVM digunakan untuk klasifikasi sentimen, dan optimasi hyperparameter dilakukan menggunakan PSO. Hasil penelitian menunjukkan bahwa metode SVM yang dioptimasi dengan PSO memberikan performa yang baik dalam klasifikasi sentimen positif dan negatif. Performa dari model SVM yang dioptimasi dengan PSO menghasilkan akurasi 93%, presisi kelas positif 94%, presisi kelas negatif sebesar 87%, recall kelas positif sebesar 79%, recall kelas negatif 97%, dan f1-score kelas positif 96%, f1-score kelas negatif 83%. Hasil ini menunjukan metode SVM yang dioptimasi dengan PSO efektif dalam melakukan analisis sentimen terhadap data tweet tentang Chat GPT di X (Twitter).