Bintang Aprianta. 2026. Analisis Sentimen Pengguna Chatgpt dalam Perkuliahan Menggunakan Algoritma Naïve Bayes (Studi Kasus : Opini Pengguna di Platform X).

Penelitian ini bertujuan untuk mengklasifikasikan sentimen pengguna ChatGPT dalam lingkup perkuliahan pada platform X (Twitter). Penggunaan teknologi kecerdasan buatan dalam dunia pendidikan telah memicu beragam opini publik yang perlu dianalisis untuk memahami pola penerimaannya. Metode yang digunakan dalam penelitian ini adalah algoritma Multinomial Naïve Bayes dengan teknik pembobotan kata TF-IDF N-Gram (1,2) dan seleksi fitur Chi-Square. Dataset diperoleh secara daring melalui platform Kaggle yang kemudian melewati tahapan preprocessing yang meliputi case folding, cleansing, tokenizing, normalisasi, stopword removal, dan stemming. Model kemudian dievaluasi menggunakan metode 5-Fold Cross-Validation untuk memperoleh hasil yang lebih stabil. Hasil penelitian menunjukkan bahwa kombinasi Naïve Bayes dengan TFIDF dan seleksi fitur Chi-Square menghasilkan performa terbaik dengan nilai akurasi sebesar 71,13%, precision sebesar 71,94%, recall sebesar 69,84%, dan F1score sebesar 69,71%. Hasil analisis sentimen menunjukkan bahwa opini pengguna ChatGPT dalam perkuliahan terbagi ke dalam tiga kategori, yaitu positif, netral, dan negatif. Sentimen positif menunjukkan bahwa ChatGPT membantu mahasiswa dalam memahami materi dan menyelesaikan tugas perkuliahan. Sentimen netral menggambarkan penggunaan ChatGPT sebagai alat bantu tambahan. Sedangkan sentimen negatif menunjukkan adanya kekhawatiran terkait ketergantungan mahasiswa, potensi plagiarisme, serta penurunan kemampuan berpikir kritis.