Perkembangan teknologi kecerdasan buatan (Artificial Intelligence/AI) telah menghadirkan ChatGPT sebagai salah satu aplikasi chatbot yang populer di Indonesia. Tingginya tingkat adopsi ChatGPT mendorong perlunya analisis terhadap opini publik untuk mengetahui persepsi positif atau negatif yang berkembang. Penelitian ini bertujuan menganalisis sentimen pengguna media sosial X terhadap ChatGPT serta membandingkan kinerja metode K-Nearest Neighbors (KNN) dengan Naive Bayes dalam klasifikasi sentimen. Data diperoleh melalui web crawling sebanyak 1.200 cuitan berbahasa Indonesia pada periode Januari 2023–Juni 2025, yang kemudian dilabeli secara manual menjadi dua kelas: positif dan negatif. Proses preprocessing mencakup cleansing, case folding, penghapusan stopword, stemming, dan tokenization. Dua teknik representasi fitur digunakan, yaitu Bag of Words (BoW) dan Word2Vec. Hasil pengujian menunjukkan bahwa kombinasi KNN dengan BoW memberikan performa terbaik dengan akurasi 78,33%, mengungguli Naive Bayes yang mencapai 75,00% pada BoW. Sebaliknya, penggunaan Word2Vec pada kedua algoritma menghasilkan penurunan akurasi yang signifikan. Kesimpulan dari penelitian ini adalah metode KNN dengan BoW merupakan konfigurasi paling optimal untuk klasifikasi sentimen pada studi ini, serta dapat menjadi acuan dalam pengembangan sistem analisis opini publik di masa mendatang.
Kata kunci: Analisis Sentimen, ChatGPT, Media Sosial X, K-Nearest Neighbors, Naive Bayes.