Abstrak :-KOMPUTASI: Jurnal Ilmiah Ilmu Komputer dan Matematika
Vol.19, No.2, Juni 2022
https://journal.unpak.ac.id/index.php/komputasi 1
ANALISIS SENTIMEN TERHADAP ULASAN APLIKASI MOBILE-JKN (JAMINAN KESEHATAN NASIONAL) MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION DAN NAÏVE BAYES
Ratu Syahla Nadhifa
Program Studi Ilmu Komputer Universitas Pakuan, Jl. Pakuan PO Box 452, Bogor 16143, Jawa Barat, Indonesia
Email: ratusyahlanadhifa@gmail.com
Abstrak
Teknologi informasi yang semakin berkembang pada zaman industry 4.0 ini membuat trend teknologi mengarah pada mobile application dan mengharuskan manusia dan organisasi harus menyesuaikan diri. Diantaranya adalah BPJS Kesehatan dimana membuat inovasi berupa aplikasi Mobile-JKN yang dapat diunduh di PlayStore. Namun, aplikasi tersebut pasti memliki kelebihan dan kekurangan dimana menuai berbagai opini dari peserta JKN. Pengguna sering kali menuangkan opini tersebut pada kolom komentar Playstore. Analisis Sentimen merupakan identifikasi kepuasan dengan mengklasifikasikan ulasan berupa sentimen positif dan negatif untuk mendapatkan feedback dan Topic Modelling dapat mengkategorikan aspek dan kata yang disampaikan dalam ulasan. Penelitian ini berisikan tentang analisis sentimen terhadap Aplikasi Mobile-JKN (Jaminan Kesehatan Nasional) menggunakan Latent Dirichlet Allocation dan Naïve Bayes berdasarkan ulasan di Playstore. Dari hasil pemodelan topik LDA didapatkan 6 topik yang paling banyak dibahas dan pada analisis sentimen menghasilkan rata-rata akurasi sebesar 92% dari semua topik yang didapatkan melalui Naïve Bayes dengan oversampling SMOTE. Selain itu dapat diketahui juga kelebihan dan kekurangan setiap topik. Dari hasil tersebut dapat disimpulkan bahwa penggunaan metode LDA dan Naïve Bayes dengan bantuan oversampling SMOTE dinilai efektif dan dapat diterapkan untuk pemodelan topik dan pengklasifikasian sentimen serta dalam meningkatkan performa hasil.
Kata kunci: Analisis Sentimen, Pemodelan Topik, Naïve Bayes, LDA
Abstract
Information technology, which is increasingly developing in the era of industry 4.0, makes the technology trend lead to mobile applications and require humans and organizations to adjust. Among them is BPJS Kesehatan which makes innovations in the form of mobile-JKN applications that can be downloaded on the PlayStore. However, the application must have advantages and disadvantages which reaped various opinions from JKN participants. Users often express these opinions in the comment section of the Playstore. Sentiment Analysis is the identification of satisfaction by classifying reviews in the form of positive and negative sentiments to get feedback and Topic Modelling can categorize aspects and words conveyed in the review. This study contains sentiment analysis towards the Mobile-JKN (National Health Insurance) Application using Latent Dirichlet Allocation and Naïve Bayes based on reviews on the Playstore.From the results of LDA topic modeling, 6 topics were obtained that were most discussed and sentiment analysis resulted in an average accuracy of 92% of all topics obtained through Naïve Bayes by oversampling SMOTE. In addition, it can also be known the advantages and disadvantages of each topic. From these results, it can be concluded that the use of the LDA and Naïve Bayes methods with the help of SMOTE oversampling is considered effective and can be applied to topic modeling and sentiment classification as well as in improving the performance of results.
Keywords: Sentiment Analysis, Topic Modeling, Naïve Bayes, LDA
1. Pendahuluan
Pada zaman industry 4.0, Teknologi Informasi semakin berkembang, karena manusia maupun organisasi menuntut kecepatan memenuhi kepentingan. Maka dari itu, teknologi sangat diperlukan dan trend teknologi saat ini mengarah ke mobile application dan sangat penting menyesuaikan diri. BPJS Kesehatan membuat inovasi aplikasi Mobile-JKN yang dapat diunduh di PlayStore. Namun, Mobile-JKN pasti memiliki kekurangan dan kelebihan, dimana dapat menimbulkan berbagai respon seperti kepuasan dan kekecewaan [1]. Pengguna sering kali menuangkan pada kolom komentar Playstore. Sayangnya, masih banyak yang belum menggunakan. Hal ini karena hampir pengguna internet bergantung word of mouth (opini) sebelum menggunakan aplikasi, karena ulasan pengguna lain dapat memberikan informasi pengalamannya [2].