Analisis Sentimen AicoGPT (Generative Pre-trained Transformer) Menggunakan TF-IDF

None Sri Rahayu, None Jajang Jaya Purnama, None Abdul Hamid, None Nina Kurnia Hikmawati
{"title":"Analisis Sentimen AicoGPT (Generative Pre-trained Transformer) Menggunakan TF-IDF","authors":"None Sri Rahayu, None Jajang Jaya Purnama, None Abdul Hamid, None Nina Kurnia Hikmawati","doi":"10.24002/jbi.v14i02.7039","DOIUrl":null,"url":null,"abstract":"Peran artificial intelligence memudahkan mencari informasi yang tepat dan akurat bahkan penyelesaian masalah dengan model yang kompleks. Salah satu terobosan berbasis AI adalah ChatGPT oleh OpenAI pada tahun 2020, dilanjutkan dengan versi terbaru pada tahun 2023 yaitu GPT–3. Sejak saat itu, beberapa teknologi AI serupa versi mobile mulai bermunculan, salah satunya AicoGPT. Namun, kinerja dari aplikasi serupa ini belum dapat diandalkan sehingga masih perlu menganalisis tanggapan para penggunanya, apakah akan sama menakjubkannya atau tidak. Dari permasalahan tersebut, penelitian ini dibuat dengan tujuan untuk menganalisis 1443 data ulasan para pengguna aplikasi AicoGPT di Google Playstore dengan teknik analisis sentimen menggunakan TFIDF dan perbandingan klasifikasi LR dan SVM. Dari kedua ujicoba tersebut, menghasilkan akurasi terbaik dengan Algoritma SVM, yaitu sebesar 92%. Sedangkan LR menghasilkan akurasi sebesar 89%. Dari penelitian ini, dapat disimpulkan secara singkat bahwa metode TF-IDF dengan klasifikasi SVM, cocok digunakan untuk melakukan analisis sentimen dari dataset yang diteliti.","PeriodicalId":499081,"journal":{"name":"Jurnal Buana Informatika","volume":"86 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Buana Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24002/jbi.v14i02.7039","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Peran artificial intelligence memudahkan mencari informasi yang tepat dan akurat bahkan penyelesaian masalah dengan model yang kompleks. Salah satu terobosan berbasis AI adalah ChatGPT oleh OpenAI pada tahun 2020, dilanjutkan dengan versi terbaru pada tahun 2023 yaitu GPT–3. Sejak saat itu, beberapa teknologi AI serupa versi mobile mulai bermunculan, salah satunya AicoGPT. Namun, kinerja dari aplikasi serupa ini belum dapat diandalkan sehingga masih perlu menganalisis tanggapan para penggunanya, apakah akan sama menakjubkannya atau tidak. Dari permasalahan tersebut, penelitian ini dibuat dengan tujuan untuk menganalisis 1443 data ulasan para pengguna aplikasi AicoGPT di Google Playstore dengan teknik analisis sentimen menggunakan TFIDF dan perbandingan klasifikasi LR dan SVM. Dari kedua ujicoba tersebut, menghasilkan akurasi terbaik dengan Algoritma SVM, yaitu sebesar 92%. Sedangkan LR menghasilkan akurasi sebesar 89%. Dari penelitian ini, dapat disimpulkan secara singkat bahwa metode TF-IDF dengan klasifikasi SVM, cocok digunakan untuk melakukan analisis sentimen dari dataset yang diteliti.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
AicoGPT(预训练生成变换器)句法分析可识别 TF-IDF
人工智能的作用有助于找到复杂模型的精确和准确的信息。基于AI的突破之一是2020年OpenAI的ChatGPT,然后是2023年的GPT - 3的最新版本。从那时起,一些类似的移动版本的人工智能技术出现了,其中一个是AicoGPT。然而,类似的应用程序的性能是不可靠的,因此仍然需要分析用户的反应,不管他们的反应是否一样神奇。问题的分析,这个研究的目的是为1443 AicoGPT谷歌应用程序用户评论数据Playstore使用TFIDF情绪分析技术和LR和SVM分类比较。第二次选拔赛中,产生最好的SVM算法的准确性,即高达92%。而LR的准确性是89%。从这项研究中,可以简单地得出结论,带有SVM分类的TF-IDF方法适合对研究数据集的情感分析进行分析。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Perbandingan Pytesseract dan Template Matching Untuk Otomatisasi Input Data KTP Analisis Sentimen Review Hotel Menggunakan Metode Deep Learning BERT Classification of Cumulonimbus Cloud Formation based on Himawari Images using Convolutional Neural Network model Googlenet Moving Average untuk Prediksi Harga Saham dengan Linear Regression Analisis Usability Web SIATMA dengan Metode Heuristic Evaluation dan System Usability Scale
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1