Analisis dan Implementasi Algoritma Convolutional Neural Network pada Opinion Mining dalam Pemanfaatan Platform Chatbot di Twitter = Analysis and Implementation of Convolutional Neural Network Algorithm on Opinion Mining in the Utilization of Chatbot Platform on Twitter

MUH. ODY ALIFKA. Analisis dan Implementasi Algoritma Convolutional Neural Network pada Opinion Mining dalam Pemanfaatan Platform Chatbot di Twitter (dibimbing oleh Anugrayani Bustamin).
Penggunaan platform chatbot seperti ChatGPT, Bing Chat dan Bard yang kini menjadi fokus utama dalam percakapan digital. Twitter (X), sebagai salah satu media sosial utama, menjadi sarana yang memungkinkan untuk menganalisis opini publik terhadap platform-platform chatbot tersebut.
Metode Penelitian ini mengembangkan model analisis sentimen menggunakan algoritma Convolutional Neural Network (CNN) dengan partisi data yaitu 80% data latih dan 20% data uji dengan parameter learning rate 0,001, epoch 20 dan batch size 64 mencapai akurasi model sebesar 80,46%. Ulasan opini publik terhadap tiga platform chatbot populer menunjukkan variasi opini yang signifikan. ChatGPT
unggul dalam fitur interface dengan 381 sentimen positif karena desain intuitif, sementara Bard hanya mendapatkan 158 sentimen positif dan banyak menerima kritik. Pada fitur accuracy, ChatGPT memimpin dengan 165 sentimen positif, Bing Chat mendapat keluhan bahwa peningkatan kreativitas mengurangi keakuratan. Responsiveness ChatGPT diakui dengan 337 sentimen positif, sedangkan Bard dan Bing Chat sering dikritik. Security pada ChatGPT memiliki sentimen seimbang (256 positif dan 159 negatif), sementara Bing Chat lebih banyak dikritik (58 positif dan 20 negatif). Analisis menunjukkan ChatGPT unggul dalam interface dan responsiveness, namun perlu peningkatan security. Bard perlu meningkatkan accuracy dan responsiveness, sementara Bing Chat harus fokus pada security. SNA
digunakan untuk menganalisis distribusi sentimen dalam jaringan yang membantu memahami bagaimana sentimen opini tersebar di antara pengguna yang mengungkapkan bagaimana sentimen tertentu mempengaruhi opini keseluruhan terhadap platform chatbot. Rekomendasi diberikan untuk meningkatkan fitur berdasarkan umpan balik pengguna. Tujuan dari penelitian ini adalah untuk menerapkan algoritma CNN dalam melakukan analisis terhadap opini pada tweet terkait dengan fitur-fitur utama dari masing-masing platform chatbot serta untuk memahami pola distribusi frekuensi
opini publik terhadap fitur-fitur tersebut. Penelitian ini menyimpulkan bahwa CNN adalah alat yang efektif untuk menganalisis opini publik di platform X terhadap chatbot, dengan potensi untuk meningkatkan kualitas layanan chatbot di masa depan. Temuan ini memberikan informasi untuk pengembangan lebih lanjut dalam bidang chatbot serta rekomendasi untuk penelitian di masa mendatang.

Kata Kunci : Chatbot, Opini, Fitur, CNN, SNA