ChatGPT menjadi topik pembicaraan yang mengundang banyak respon dari para
pengguna twitter di Indonesia, baik itu positif, netral maupun negatif. Dari
banyaknya respon ini maka dibutuhkan pengumpulan informasi untuk mengetahui
sentimen pengguna twitter terhadap ChatGPT. Pada pengolahan data analisis
sentimen digunakan text mining untuk proses mengekstraksi informasi yang
bermanfaat serta wawasan dari teks yang tidak terstruktur atau tidak terformat
dengan metode klasifikasi support vector machine, naïve bayes classifier, logistic
regression, random forest dan decision tree. Pengujian dilakukan pada dataset
sebanyak 1452 tweet dengan perbandingan 80:20. Berdasarkan hasil analisis
menggunakan metode support vector machine mendapatkan nilai accuracy
sebesar 61%, precision 78%, recall 61%, f1-score 54%, unutk naïve bayes
classifier menghasilkan accuracy 59%, precision 78%, recall 59% dan f1-score
50%, untuk logistic regression menghasilkan accuracy 62%, precision 74%,
recall 62%, f1-score 57%, untuk random forest menghasilkan accuracy 64%,
precision 68%, recall 64%, f1-score 60%, dan untuk decision tree menghasilkan
accuracy 63%, precision 64%, recall 63%, f1-score 60%. Sehingga dapat
disimpulkan bahwa metode dengan akurasi terbaik untuk analisis sentimen
terhadap ChatGPT adalan random forest.

Kata Kunci : ChatGPT, Analisis Sentimen, Text Mining, Support VectorMachine, Naïve Bayes Classifier, Logistic Regression, Random Forest, Decision Tree