Analisis Sentimen Pada Ulasan Mobile Jkn Berdasarkan Pada Media Sosial Twitter (X) Menggunakan Metode  Support Verctor Machine (SVM)

Diana Puspitasari; Nauroh Nazhiifah; Tata Sutabri

Authors

Diana Puspitasari Universitas Bina Darma
Nauroh Nazhiifah Universitas Bina Darma
Tata Sutabri Universitas Bina Darma

Keywords:

Mobile JKN, Twitter, Analisis Sentimen, Support Vector Machine

Abstract

Aplikasi Mobile JKN yang dikembangkan oleh BPJS Kesehatan dirancang untuk mempermudah peserta dalam menyelesaikan berbagai masalah administrasi tanpa harus mengunjungi Kantor Cabang, karena semua proses dapat dilakukan melalui aplikasi ini. Namun, aplikasi ini sering menghadapi beberapa kendala yang berdampak pada persepsi negatif terhadap pelayanannya. Media sosial Twitter menjadi platform yang sesuai untuk mengungkapkan perasaan, berbagi informasi terkini, serta memberikan komentar atau opini tentang berbagai hal, dengan jumlah pengguna aktif mencapai 24,85 juta. Salah satu metode untuk mengidentifikasi opini pengguna terhadap suatu subjek, baik berupa opini positif, negatif, maupun netral, adalah melalui Analisis Sentimen. Dalam penelitian ini penulis menggunakan metode Support Vector Machine (SVM) sebagai cara untuk menganalisis sentimen pengguna aplikasi Mobile JKN di Twitter. Penelitian ini bertujuan untuk menghasilkan model klasifikasi sentimen berbasis SVM, mengukur akurasi metode SVM dalam analisis sentimen, serta mengevaluasi tingkat kepuasan pengguna aplikasi Mobile JKN berdasarkan data dari Twitter. Hasil pengujian menunjukkan bahwa metode SVM menghasilkan akurasi sebesar 82%, dengan precision 49%, recall 74%, dan F1-score 62%.

References

Yunizalr, Z. et all. (2023) ‘ALnallisis Sentimen Paldal Twitter Terhaldalp ALplikalsi Mobile Jkn Menggunalkaln Metode Nalïve Balyes Clalssifier Sentiment ALnallysis on Twitter Regalrding the Jkn Mobile ALpplicaltion Using the Nalïve Balyes Clalssifier Method’, Journall of Informaltics alnd Computer Science, 9(2), pp. 103–111.

Maluludin Rohmaln, M. alnd ALdinugroho, S. (2021) ‘ALnallisis Sentimen paldal Ulalsaln ALplikalsi Mobile JKN Menggunalkaln Metode Malximum Entropy daln Seleksi Fitur Gini Index Text’, Jurnall Pengembalngaln Teknologi Informalsi daln Ilmu Komputer, 5(6), pp. 2646–2654. ALvalilalble alt: http://j-ptiik.ub.alc.id.

Syalh, H. alnd Witalnti, AL. (2022) ‘ALnallisis Sentimen Malsyalralkalt Terhaldalp Valksinalsi Covid-19 Paldal Medial Sosiall Twitter Menggunalkaln ALlgoritmal Support Vector Malchine (Svm)’, Jurnall Sistem Informalsi daln Informaltikal (Simikal), 5(1), pp. 59–67. doi: 10.47080/simikal.v5i1.1411.

Fitriyalh Nur, Walrsito, B. alnd ALsih, J. (2020) ‘ALnallisis sentimen gojek paldal medial sosiall twitter dengaln klalsifikalsi support vector malchine (SVM)’, 9, pp. 376–390.

Utalmi, D. S. alnd Erfinal, AL. (2021) ‘ALnallisis Sentimen Pinjalmaln Online di Twitter Menggunalkaln ALlgoritmal Support Vector Malchine (SVM)’, SISMALTIK (Seminalr Nalsionall Sistem Informalsi daln Malnaljemen Informaltikal), 1(1), pp. 299–305

ALlexalnder, N., Brial, R. alnd Witalnti, AL. (2024) ‘ALnallisis Sentimen Malsyalralkalt Indonesial Menggunalkaln ALlgoritmal Support Vector Malchine Tentalng Pilpres 2024’, 7(6).

ALlvialni, V., ALlalm, S. alnd Kurnialwaln, I. (2023) ‘ALnallisis Sentimen Review ALplikalsi Wetv Paldal Plaltform Twitter Menggunalkaln Support Vector Malchine’, STORALGE: Jurnall Ilmialh Teknik daln Ilmu Komputer, 2(3), pp. 143–149. doi: 10.55123/storalge.v2i3.2351.

Robison Malnallu, D. et all. (2022) ‘METHOMIKAL: Jurnall Malnaljemen Informaltikal & Komputerisalsi ALkuntalnsi ALnallisis Sentimen Twitter Terhaldalp Walcalnal Penundalaln Pemilu Dengaln Metode Support Vector Malchine’, Menthomikal, 6(2), pp. 149–156. ALvalilalble alt: https://doi.org/10.46880/jmikal.Vol6No2.pp149-156

Salputral, R. R., & Sutalbri, T. (2024). "Evallualsi Teknologi Metalverse Roblox Menggunalkaln Metode Support Vector Malchine," vol. 2, pp. 68–72, 2024.