ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI MOBILE JKN BERBASIS GOOGLE PLAY STORE MENGGUNAKAN NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE

Abstract

Pada era digital sekarang perkembangan teknologi dapat membantu beberapa aktivitas masyarakat dimana salah satunya untuk mengakses informasi dan layanan kesehatan. Pengembangan inovasi di bidang kesehatan adalah aplikasi Mobile JKN yang dikembangkan oleh BPJS Kesehatan. Aplikasi ini menyediakan beberapa fitur terbaru seperti Telehealth, Bugar, New Rehab, Minum Obat, Tren Penyakit Daerah, BPJS Keliling, serta layanan e-commerce yang mempermudah peserta mengurus berbagai kebutuhan tanpa harus mendatangi kantor cabang. Selain itu ulasan pengguna berbasis Google Play Store masih memiliki kendala seperti tidak dapat login ke aplikasi, proses loading yang lama dan verifikasi akun gagal. Kendala tersebut menjadi bahan evaluasi bagi BPJS Kesehatan kedepannya. Penelitian ini dengan tujuan menentukan model klasifikasi paling efektif serta tingkat akurasi terbaik yang selanjutnya akan mengkategorikan menjadi sentimen positif dan negatif. Penelitian ini dengan menggunakan analisis sentimen untuk menggambarkan seperti apa pengalaman pengguna. Dua algoritma yang digunakan adalah Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM) untuk memberikan perbandingan performa dari masing-masing model dalam memproses ulasan aplikasi tersebut. Perbandingan yang akan digunakan yaitu metrik Akurasi, Presisi, dan Recall. Penelitian ini menggunakan 2.500 ulasan terbaru dengan langkah scrapping data pada halaman website aplikasi “Mobile JKN” berbasis Google Play Store. Hasil penelitian menunjukkan bahwa Algoritma Naïve Bayes Classifier memperoleh tingkat akurasi tertinggi yaitu 91%, sedangkan SVM memperoleh akurasi sebesar 84%. Hasil ini mengindikasikan bahwa NBC memiliki performa yang lebih baik dalam mengklasifikasikan sentimen serta ulasan pengguna terhadap aplikasi Mobile JKN cenderung lebih banyak bersifat negatif