ANALISIS SENTIMEN ULASAN GOOGLE MAPS RUMAH SAKIT KHALISHAH DI CIREBON DENGAN ALGORITMA NAIVE BAYES
DOI:
https://doi.org/10.23960/jitet.v13i2.6309Abstract Views: 389 File Views: 373 File Views: 0
Abstract
Rumah Sakit Khalishah merupakan fasilitas kesehatan di Kabupaten Cirebon, dan dengan kemajuan teknologi informasi, analisis sentimen menjadi metode yang efektif untuk memahami pandangan masyarakat terhadap layanan dan fasilitas kesehatan. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat dengan algoritma Naïve Bayes, menggunakan data ulasan dari platform Google Maps. Data dikumpulkan dengan teknik web scraping dan diproses melalui tahapan pra-pemrosesan teks, termasuk pembersihan, normalisasi, tokenisasi, penghapusan stopwords, dan stemming. Teknik TF-IDF digunakan untuk memberi bobot pada kata-kata dalam teks sebelum dilakukan pemodelan sentimen. Hasil evaluasi menunjukkan bahwa algoritma Naïve Bayes mencapai accuracy 84%, precision 89%, recall 91%, dan F1-score 90%. Temuan analisis menunjukkan bahwa mayoritas ulasan masyarakat bernada positif, mencerminkan tingkat kepuasan tinggi terhadap layanan rumah sakit. Namun, ulasan negatif mengindikasikan perlunya peningkatan di beberapa aspek, seperti efisiensi administrasi dan kenyamanan fasilitas. Penelitian ini memberikan kontribusi bagi manajemen Rumah Sakit Khalishah untuk meningkatkan layanan dan fasilitas serta sebagai acuan bagi pengambilan keputusan strategis di sektor Kesehatan.Downloads
References
N. Cahyono and Anggista Oktavia Praneswara, “Analisis Sentimen Ulasan Aplikasi TikTok Shop Seller Center di Google Playstore Menggunakan Algoritma Naive Bayes,” Indones. J. Comput. Sci., vol. 12, no. 6, pp. 3925–3940, 2023, doi: 10.33022/ijcs.v12i6.3473.
H. Dhery, A. Assyam, and F. N. Hasan, “Analisis Sentimen Twitter Terhadap Perpindahan Ibu Kota Negara Ke IKN Nusantara Menggunakan Orange Data Mining,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 1, pp. 341–349, 2023, doi: 10.30865/klik.v4i1.957.
E. Laia and M. Yamin, “Penerapan Algoritma Naïve Bayes dalam Menganalisis Sentimen pada Review Pengguna E-Commerce,” Media Online), vol. 4, no. 1, pp. 305–316, 2023, doi: 10.30865/klik.v4i1.1186.
Meliyawati and F. N. Hasan, “Analisis Sentimen Pengguna Aplikasi CapCut Pada Ulasan di Play Store Menggunakan Metode Naïve Bayes,” Media Online, vol. 4, no. 4, pp. 2272–2280, 2024, doi: 10.30865/klik.v4i4.1555.
J. Florensius Sianipar, Y. R. Ramadhan, and I. Jaelani, “Analisis Sentimen Pembangunan Kereta Cepat Jakarta-Bandung di Media Sosial Twitter Menggunakan Metode Naive Bayes,” Media Online), vol. 4, no. 1, pp. 360–367, 2023, doi: 10.30865/klik.v4i1.1033.
A. N. Hasanah and B. N. Sari, “Analisis Sentimen Ulasan Pengguna Aplikasi Jasa Ojek Online Maxim Pada Google Play Dengan Metode Naïve Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 1, pp. 90–96, 2024, doi: 10.23960/jitet.v12i1.3628.
A. Nurian, “Analisis Sentimen Ulasan Pengguna Aplikasi Google Play Menggunakan Naïve Bayes,” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 3s1, pp. 829–835, 2023, doi: 10.23960/jitet.v11i3s1.3348.
R. Rachman and R. N. Handayani, “Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM,” J. Inform., vol. 8, no. 2, pp. 111–122, 2021, doi: 10.31294/ji.v8i2.10494.
U. Fayyad and R. Uthurusamy, “Data Mining and Knowledge Discovery in Databases,” Commun. ACM, vol. 39, no. 11, pp. 24–26, 1996, doi: 10.1145/240455.240463.
Fauzan Baehaqi and N. Cahyono, “Analisis Sentimen Terhadap Cyberbullying Pada Komentar Di Instagram Menggunakan Algoritma Naïve Bayes,” Indones. J. Comput. Sci., vol. 13, no. 1, pp. 1051–1063, 2024, doi: 10.33022/ijcs.v13i1.3301.
M. Y. Aldean, P. Paradise, and N. A. Setya Nugraha, “Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 di Twitter Menggunakan Metode Random Forest Classifier (Studi Kasus: Vaksin Sinovac),” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 4, no. 2, pp. 64–72, 2022, doi: 10.20895/inista.v4i2.575.
A. Tazkia and Y. Arkhiansyah, “Implementasi Naive Bayes Classifier Dalam Menganalisis Sentimen Pelanggan Mie Gacoan Pada Instagram,” Ijccs, vol. 7, No.3, no. x, pp. 1–5, 2023.
D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional,” J. Tekno Kompak, vol. 15, no. 1, p. 131, 2021, doi: 10.33365/jtk.v15i1.744.
N. Saputra, “( Sentiment Analisys With Lexicon Preprocessing ),” Din. Inform., vol. 7, no. 1, pp. 45–57, 2019.
R. Damanhuri and V. A. Husein, “Analisis Sentimen pada Ulasan Aplikasi Access by KAI Berbahasa Indonesia Menggunakan Word-Embedding dan Classical Machine Learning,” vol. 15, no. September, 2024, doi: 10.14710/jmasif.15.2.62383.
C. Annisa, M. Afdal, and T. K. Ahsyar, “Perbandingan Algoritma Naïve Bayes Classifier Dan K-Nearest Neighbor Pada Sentimen Review Aplikasi Mobile JKN,” J. Media Inform. Budidarma, vol. 7, no. 3, p. 1033, 2023, doi: 10.30865/mib.v7i3.6242.
A. Nugroho and N. T. Kurniadi, “Journal of Computer Networks , Architecture and High Performance Computing Sentiment Analysis of Starlink on Twitter Using Support Vector Machine Algorithm Journal of Computer Networks , Architecture and High Performance Computing,” vol. 6, no. 3, pp. 1321–1332, 2024.
B. Irawan and O. Nurdiawan, “Innovation in Research of Informatics ( INNOVATICS ) Naive Bayes and Wordcloud for Sentiment Analysis of Halal Tourism in Lombok Island Indonesia,” vol. 1, pp. 30–35, 2023.
