ANALISIS SENTIMEN PENGGUNA APLIKASI MOBILE JKN MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER DAN C4.5

Sriani Sriani, Suhardi Suhardi, La Saufa Yardha

Abstract


Pemerintah sebagai lembaga tertinggi negara memikili peran penting dalam mengikuti perkembangan teknologi, salah satunya adalah perkembangan dari segi kesehatan. Maka dari itu pemerintah Indonesia mengesahkan program Jaminan Kesehatan Nasional-Kartu Indonesia Sehat yang diselenggarakan oleh BPJS Kesehatan dengan merilis aplikasi Mobile JKN. Ada banyak hal yang bisa diakses dari aplikasi ini sehingga manfaatnya dapat dirasakan langsung oleh pengguna aplikasi Mobile JKN. Tetapi dengan demikian, datang juga beberapa permasalahan yang terdapat pada sistemnya yang menyebabkan rasa kurang puas pengguna terhadap aplikasi tersebut, sehingga menimbulkan berbagai macam tanggapan yang diberikan oleh penggunanya melalui media sosial Twitter, baik itu positif maupun negatif. Opini pengguna dimanfaatkan sebgai bahan penelitian klasifikasi sentimen menggunakan algoritma Naïve Bayes Classifier dan C4.5 dengan menggunakan 790 data yang terbagi menjadi 711 data latih dan 79 data uji. Pada hasil pengujian didapatkan tingkat akurasi sebesar 75.95%, precision sebesar 76.00%, recall sebesar 98.28%, dan fiscore sebesar 85.71% untuk Naïve Bayes Classifier dan tingkat akurasi sebesar 79.75%, precision sebesar 79.17%, recall sebesar 98.28%, dan fiscore sebesar 87.69% untuk C4.5. Pada penelitian ini, dapat disimpulkan bahwa klasifikasi sentimen dengan menggunakan algoritma C4.5 memiliki kinerja lebih baik dibandingkan dengan algoritma Naïve Bayes Classifier.

Full Text:

PDF

References


BPJS Kesehatan, “BPJS Kesehatan Mendengar 2022 Jaring Masukan tentang Pengelolaan JKN ke Depan,” Kementerian Kesehatan Republik Indonesia. [Online]. Available: https://www.bpjs-kesehatan.go.id/bpjs/post/read/2022/2360/BPJS-Kesehatan-Mendengar-2022-Jaring-Masukan-tentang-Pengelolaan-JKN-ke-Depan

P. A. Permatasari, L. Linawati, and L. Jasa, “Survei Tentang Analisis Sentimen Pada Media Sosial,” Majalah Ilmiah Teknologi Elektro, vol. 20, no. 2, p. 177, 2021, doi: 10.24843/mite.2021.v20i02.p01.

A. Imron, “Analisis Sentimen Terhadap Tempat Wisata di Kabupaten Rembang Menggunakan Metode Naive Bayes Classifier,” 2019. [Online]. Available: https://dspace.uii.ac.id/handle/123456789/14268

M. Furqan, S. Sriani, and S. M. Sari, “Analisis Sentimen Menggunakan K-Nearest Neighbor Terhadap New Normal Masa Covid-19 Di Indonesia,” Techno.Com, vol. 21, no. 1, pp. 51–60, 2022, doi: 10.33633/tc.v21i1.5446.

S. M. Sari, “Analisis Sentimen Terhadap New Normal Di Era Covid-19 Menggunakan Algoritma K-Nearest Neighbor (K-NN),” pp. 1–80, 2021, [Online]. Available: http://repository.uinsu.ac.id/id/eprint/14945%0Ahttp://repository.uinsu.ac.id/14945/1/SKRIPSI Susan Mayang Sari %28ILKOMP NIM. 0701162003%29.pdf

Y. A. V. Gunawan, N. A. S. ER, I. B. M. Mahendra, I. M. Widiartha, I. G. N. A. C. Putra, and I. G. A. G. A. Kadyanan, “Analisis Sentimen Ulasan Aplikasi Transportasi Online Menggunakan Multinomial Naïve Bayes dan Query Expansion Ranking,” JELIKU (Jurnal Elektronik Ilmu Komputer Udayana), vol. 11, no. 1, p. 121, 2022, doi: 10.24843/jlk.2022.v11.i01.p13.

M. I. Putra, “Sistem Rekomendasi Kelayakan Kredit Menggunakan Metode Random Forest pada BRI Kantor Cabang Pelaihari,” 2019.

D. P. Utomo and M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” Jurnal Media Informatika Budidarma, vol. 4, no. 2, p. 437, 2020, doi: 10.30865/mib.v4i2.2080.

A. V. Sudiantoro and E. Zuliarso, “Analisis Sentimen Twitter Menggunakan Text Mining Dengan Algoritma Naive Bayes Classifier,” Dinamika Informatika, vol. 10, no. 2, pp. 398–401, 2019.

M. S. Hasibuan and Suhardi, “Analisis Sentimen Kebijakan Vaksin Covid-19 Menggunakan SVM dan C4.5,” Jurnal Teknik Elektro Dan Komputer TRIAC, pp. 19–21, 2022.

M. R. Fadli, “Memahami desain metode penelitian kualitatif,” Humanika, vol. 21, no. 1, pp. 33–54, 2021, doi: 10.21831/hum.v21i1.38075.

C. Casro, Y. Purwati, G. Setyaningsih, and A. P. Kuncoro, “Rancang Bangun Aplikasi Pengaduan Pelanggan Berbasis Web Menggunakan Framework Codeigniter Di Indotechno Purwokerto,” Jurnal Sains dan Informatika, vol. 6, no. 2, pp. 166–174, 2020, doi: 10.34128/jsi.v6i2.244.

I. Irwanto, “Perancangan Sistem Informasi Sekolah Kejuruan dengan Menggunakan Metode Waterfall (Studi Kasus SMK PGRI 1 Kota Serang-Banten),” Lectura : Jurnal Pendidikan, vol. 12, no. 1, pp. 86–107, 2021, doi: 10.31849/lectura.v12i1.6093.

A. Deolika, K. Kusrini, and E. T. Luthfi, “Analisis Pembobotan Kata Pada Klasifikasi Text Mining,” Jurnal Teknologi Informasi, vol. 3, no. 2, p. 179, 2019, doi: 10.36294/jurti.v3i2.1077.

A. R. Kardian and D. Gustiana, “Analisis Sentimen Berdasarkan Opini Pengguna pada Media Twitter Terhadap BPJS Menggunakan Metode Lexicon Based dan Naïve Bayes Classifier,” Jurnal Ilmiah Komputasi, vol. 20, no. 1, pp. 39–52, 2021, doi: 10.32409/jikstik.20.1.401.

C. D. Mait, J. A. Watuseke, P. D. G. Saerang, and S. R. Joshua, “Sistem Pendukung Keputusan Menggunakan Fuzzy Logic Tahani Untuk Penentuan Golongan Obat Sesuai Dengan Penyakit Diabetes,” Jurnal Media Infotama, vol. 18, no. 2, p. 344, 2022.

S. Febriani and H. Sulistiani, “Analisis Data Hasil Diagnosa Untuk Klasifikasi Gangguan Kepribadian Menggunakan Algoritma C4.5,” 89Jurnal Teknologi dan Sistem Informasi (JTSI), vol. 2, no. 4, pp. 89–95, 2021.

F. Albasithu and A. Wibowo, “Perbandingan Algoritma Naïve Bayes Dan C4.5 pada Analisis Sentimen Presiden 3 Periode di Twitter,” Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI) Jakarta-Indonesia, no. September, pp. 510–516, 2022, [Online]. Available: https://senafti.budiluhur.ac.id/index.php/

M. R. Fajriansyah and Siswanto, “Analisis Sentimen Pengguna Twitter Terhadap Partai Politik Pendukung Calon Gubernur Di Jakarta Menggunakan Algoritma C4 . 5 Decision Tree Learning,” Skanika, vol. 1, no. 2, pp. 697–703, 2019, [Online]. Available: https://jom.fti.budiluhur.ac.id/index.php/SKANIKA/article/view/278




DOI: https://doi.org/10.54314/jssr.v7i2.1873

Article Metrics

Abstract view : 118 times
PDF - 73 times