Analisis Sentimen Opini Publik terhadap Rumah Sakit Pemerintah dan Swasta di Indonesia Menggunakan Algoritma Naïve Bayes
Keywords:
Analisis Sentimen, Naïve Bayes, Rumah Sakit, Opini Publik, Media SosialAbstract
Media sosial menjadi wadah penting bagi masyarakat dalam menyuarakan opini terhadap berbagai layanan publik, termasuk pelayanan rumah sakit. Penelitian ini bertujuan untuk menganalisis sentimen opini publik terhadap rumah sakit pemerintah dan swasta di Indonesia menggunakan algoritma Naïve Bayes. Data yang digunakan berupa 2.500 opini publik yang disimulasikan dan dibagi rata antara rumah sakit pemerintah dan swasta. Setiap opini diberi label sentimen positif atau negatif. Proses pra-pemrosesan dilakukan melalui pembersihan teks, penghapusan stopword, dan vektorisasi menggunakan metode Bag of Words. Hasil analisis menunjukkan bahwa rumah sakit swasta cenderung menerima lebih banyak sentimen positif dibanding rumah sakit pemerintah. Algoritma Naïve Bayes menunjukkan akurasi klasifikasi sebesar 87 %. Penelitian ini menunjukkan bahwa analisis sentimen dapat digunakan sebagai salah satu indikator persepsi publik terhadap layanan kesehatan.References
Asyharudin, A., Kusumawati, N., Maspupah, U., Sari, D. R. F., Hamzah, A., Lukito, D., & Saputra, D. D. (2024). Comparing Algorithm for Sentiment Analysis in Healthcare and Social Security Agency (BPJS Kesehatan). Techno Nusa Mandiri, 19(1), 1-14. https://doi.org/10.33480/techno.v19i1.3167
Fadillah, R. A., & Ramadhan, A. (2020). Implementasi Preprocessing Teks dalam Analisis Sentimen Media Sosial. Jurnal Teknologi Informasi, 11(2), 66-73. https://doi.org/10.34288/jri.v5i4.244
Girsang, D. L., Sidiq, A., & Elenaputri, T. S. (2023). Analisis Sentimen Masyarakat terhadap Layanan BPJS Kesehatan dan Faktor-Faktor Pendukung Opini dengan Pemodelan NLP. Emerging Statistics and Data Science Journal, 1(2), 238-249. https://doi.org/10.20885/esds.vol1.iss.2.art24
Hasan, A., Ramadhan, Y. R., & Minarto, M. (2023). Sentiment Analysis of Telemedicine Applications on Twitter Using Lexicon Based and Naïve Bayes Classifier Methods. Jurnal Riset Informatika, 5(4), 481-490. https://doi.org/10.34288/jri.v5i4.244
Hendra, A., & Fitriyani, F. (2021). Analisis Sentimen Review Halodoc Menggunakan Naïve Bayes Classifier. JISKA (Jurnal Informatika Sunan Kalijaga), 6(2), 78-89. https://doi.org/10.14421/jiska.2021.6.2.78-89
Septiani, E., Akhriza, T. M., & Husni, M. (2023). Comparison of the Accuracy Between Naïve Bayes Classifier and Support Vector Machine Algorithms for Sentiment Analysis in Mobile JKN Application Reviews. Transactions on Informatics and Data Science, 1(1), 1-10. https://doi.org/10.24090/tids.v1i1.12232
Setiawan, I. B., Maulindar, J., & Nurchim, N. (2024). Penerapan Algoritma Naive Bayes untuk Analisis Sentimen pada Aplikasi Kesehatan Digital (Halodoc). G Tech: Jurnal Teknologi Terapan, 8(4), 2301-2312. https://doi.org/10.70609/gtech.v8i4.5020
Putra, H. S., Atina, V., & Hartanti, D. (2024). Application of Naïve Bayes Algorithm for Sentiment Analysis of Service and Facility Satisfaction (Case Study: PKU Muhammadiyah Sukoharjo General Hospital). Journal of Advances in Information and Industrial Technology, 6(1), 61-72. https://doi.org/10.52435/jaiit.v6i1.566
