Analisis Sentimen Penilaian Masyarakat Terhadap Rumah Sakit Berdasarkan Ulasan Pada Google Maps Menggunakan Naive Bayes

Penulis

DOI:

https://doi.org/10.36294/jurti.v8i2.4681

Kata Kunci:

Naïve Bayes, TF-IDF, Sentiment Analysis, Google Maps, Hospital

Abstrak

- Rumah Sakit menjadi salah satu fasilitas vital dalam kehidupan masyarakat. Tingkat kepuasan masyarakat terhadap pelayanan rumah sakit menjadi salah satu indikator untuk kinerja rumah sakit didalam masyarakat. Salah satu penilaian langsung dari masyarakat dapat dilihat dari ulasan pada Google Maps. Ulasan masyarakat tentang pelayanan Rumah Sakit Muhammadiyah Lamongan menjadi objek penelitian penulis disini. Penelitian ini bertujuan untuk menganalisis sentimen ulasan masyarakat terhadap pelayanan Rumah Sakit Muhammadiyah Lamongan menggunakan data dari Google Maps. Analisis sentimen dilakukan untuk mengklasifikasikan ulasan ke dalam dua kategori, yaitu positif dan negatif, sehingga dapat memberikan gambaran mengenai persepsi masyarakat terhadap pelayanan rumah sakit. Dari data yang didapatkan menunjukkan bahwa 95% ulasan (3989 data) termasuk dalam kategori positif, sementara 5% ulasan (172 data) termasuk dalam kategori negatif. Hasil ini menggambarkan bahwa mayoritas pengunjung memiliki persepsi positif terhadap pelayanan rumah sakit. Selanjutnya untuk membuat sistem analisis sentimen, metode yang digunakan adalah algoritma Naive Bayes dengan tiga varian model, yaitu ComplementNB, MultinomialNB, dan BernoulliNB. Sebelum proses pelatihan, data ulasan melalui tahap pre-processing berupa stemming, penghapusan stopword, normalisasi emoticon, dan pembobotan TF-IDF untuk mempersiapkan data dalam format numerik. Hasil penelitian menunjukkan bahwa BernoulliNB memberikan performa terbaik dengan akurasi sebesar 84,21%, diikuti oleh ComplementNB dengan akurasi 80,26%, dan MultinomialNB dengan akurasi 72,37%. Penelitian ini berkontribusi pada peningkatan pelayanan dan manajemen rumah sakit dengan menyediakan analisis sentimen secara real-time sebagai umpan balik yang dapat digunakan untuk evaluasi dan perbaikan layanan.

Biografi Penulis

  • Tika Novita Sari, Universitas Negeri Yogyakarta

    Program Studi Teknologi Informasi, Universitas Negeri Yogyakarta

Referensi

J. D. C. Aruan, B. Rahayudi, and A. Ridok, “Analisis Sentimen Opini Masyarakat terhadap Pelayanan Rumah Sakit Umum Daerah menggunakan Metode Support Vector Machine dan Term Frequency – Inverse Document Frequency,†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 5, pp. 2072–2078, 2022.

T. Dzulkarnain, D. E. Ratnawati, and B. Rahayudi, “Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Penilaian Masyarakat Terhadap Pelayanan Rumah Sakit di Malang,†J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 5, pp. 993–1000, Oct. 2024, doi: 10.25126/jtiik.1077979.

A. C. T. Angel, V. H. Pranatawijaya, and W. Widiatry, “Analisis Sentimen dan Emosi dari Ulasan Google Maps Untuk Layanan Rumah Sakit di Palangka Raya Menggunakan Machine Learning,†KONSTELASI Konvergensi Teknol. dan Sist. Inf., vol. 4, no. 1, pp. 35–49, 2024, doi: 10.24002/konstelasi.v4i1.8924.

C. Prakoso and A. Hermawan, “Perbandingan Model Machine Learning dalam Analisis Sentimen Ulasan Pengunjung Keraton Yogyakarta pada Google Maps,†Kaji. Ilm. Inform. dan Komput., vol. 4, no. 3, pp. 1292–1302, 2023, doi: 10.30865/KLIK.V4I3.1419.

A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,†J. Teknoinfo, vol. 14, no. 2, p. 115, Jul. 2020, doi: 10.33365/jti.v14i2.679.

S. Samsir, A. Ambiyar, U. Verawardina, F. Edi, and R. Watrianthos, “Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes,†J. MEDIA Inform. BUDIDARMA, vol. 5, no. 1, pp. 157–163, Jan. 2021, doi: 10.30865/MIB.V5I1.2580.

Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, and Fitri Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,†J. KomtekInfo, vol. 10, pp. 1–7, 2023, doi: 10.35134/komtekinfo.v10i1.330.

B. Gunawan, H. S. Pratiwi, and E. E. Pratama, “Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes,†J. Edukasi dan Penelit. Inform., vol. 4, no. 2, p. 113, Dec. 2018, doi: 10.26418/jp.v4i2.27526.

Merinda Lestandy, Abdurrahim Abdurrahim, and Lailis Syafa’ah, “Analisis Sentimen Tweet Vaksin COVID-19 Menggunakan Recurrent Neural Network dan Naïve Bayes,†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 4, pp. 802–808, 2021, doi: 10.29207/resti.v5i4.3308.

Y. Liu and Y. F. B. Wu, “Early detection of fake news on social media through propagation path classification with recurrent and convolutional networks,†32nd AAAI Conf. Artif. Intell. AAAI 2018, pp. 354–361, 2018.

Omkarcloud, “GitHub - omkarcloud/botasaurus: The All in One Framework to build Awesome Scrapers.†https://github.com/omkarcloud/botasaurus (accessed Dec. 10, 2024).

Ericha Apriliyani and Y. Salim, “Analisis performa metode klasifikasi Naïve Bayes Classifier pada Unbalanced Dataset,†Indones. J. Data Sci., vol. 3, no. 2, pp. 47–54, 2022, doi: 10.56705/ijodas.v3i2.45.

K. Tri Putra, M. Amin Hariyadi, and C. Crysdian, “Perbandingan Feature Extraction Tf-Idf Dan Bow Untuk Analisis Sentimen Berbasis Svm,†J. Cahaya MAndalika, p. 1449, 2023.

S. Xu, “Bayesian Naïve Bayes classifiers to text classification,†J. Inf. Sci., vol. 44, no. 1, pp. 48–59, 2018, doi: 10.1177/0165551516677946.

P. R. Alvita Wagiswari D, I. Susilawati, and A. Witanti, “Analisis Sentimen pada Komentar Aplikasi MyPertamina dengan Metode Multinomial Naive Bayes,†ForAI J. Informatics Artif. Intell. J., vol. 1, no. 1, pp. 10–19, 2023, [Online]. Available: https://jurnal.forai.or.id/index.php/forai/article/view/4.

A. Yodi Prayoga, A. Id Hadiana, and F. Rakhmat Umbara, “Deteksi Hoax pada Berita Online Bahasa Inggris Menggunakan Bernoulli Naïve Bayes dengan Ekstraksi Fitur Tf-Idf,†J. Syntax Admiration, vol. 2, no. 10, pp. 1808–1823, 2021, doi: 10.46799/jsa.v2i10.327.

A. Zheng, Evaluating Machine Learning Algorithms: A Beginner’s Guide to Key Concepts and Pitfalls. 2015.

Unduhan

Diterbitkan

2024-12-21

Terbitan

Vol 8 No 2 (2024): DESEMBER 2024

Bagian

ARTICLES

Lisensi

Hak Cipta (c) 2024 JurTI (Jurnal Teknologi Informasi)

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.

 

 

 

Creative Commons License

JurTI (Jurnal Teknologi Informasi)

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.