ANALISIS SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN HALODOC SEBAGAI LAYANAN TELEMEDICINE DI INDONESIA
DOI:
https://doi.org/10.23960/jitet.v13i1.5682Abstract Views: 418 File Views: 432
Abstract
Telemedicine telah berkembang pesat, terutama dalam memberikan akses layanan kesehatan jarak jauh, dan Halodoc merupakan salah satu platform yang populer di Indonesia. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap aplikasi Halodoc berdasarkan ulasan pengguna. Data penelitian diperoleh melalui web scraping dari Google Play Store yang terdiri dari 5.000 ulasan. Metode yang digunakan adalah algoritma Support Vector Machine (SVM) untuk mengklasifikasikan sentimen positif dan negatif. Hasil penelitian menunjukkan bahwa SVM dapat mengklasifikasikan sentimen dengan akurasi tinggi, memberikan wawasan tentang pengalaman pengguna yang dapat membantu pengembangan aplikasi. Hasil penelitian ini penting untuk meningkatkan kualitas layanan telemedicine di Indonesia.Downloads
References
N. Nuris, E. R. Yulia, and K. Solecha, “Implementasi Particle Swarm Optimization (PSO) Pada Analysis Sentiment Review Aplikasi Halodoc Menggunakan Algoritma Naïve Bayes,” Jurnal Teknologi Informasi, vol. 7, no. 1, pp. 17-23, 2021.
I. B. Setiawan, J. Maulindar, and N. Nurchim, “Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Pada Aplikasi Kesehatan Digital,” G-Tech: Jurnal Teknologi Terapan, vol. 8, no. 4, pp. 2301-2312, 2024.
F. Sandi and I. Ernawati, “Klasifikasi Ulasan Pengguna Menggunakan Metode Support Vector Machine Pada Aplikasi Halodoc,” in Proc. Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya, vol. 4, no. 1, pp. 114-129, May 2023.
T. M. P. Aulia, N. Arifin, and R. Mayasari, “Perbandingan Kernel Support Vector Machine (SVM) Dalam Penerapan Analisis Sentimen Vaksinisasi Covid-19,” SINTECH (Science and Information Technology) Journal, vol. 4, no. 2, pp. 139-145, 2021.
R. F. Akbar, “Analisis Persepsi Pelajar Tingkat Menengah Pada Sekolah Tinggi Agama Islam Negeri Kudus,” Edukasia: Jurnal Penelitian Pendidikan Islam, vol. 10, no. 1, pp. 189-210, 2015.
F. Bei and S. Sudin, “Analisis Sentimen Aplikasi Tiket Online Di Play Store Menggunakan Metode Support Vector Machine (SVM),” Sismatik, vol. 01, no. 01, pp. 91-97, 2021.
Halodoc, “Aplikasi Dokter, Cara Baru untuk Sehat,” Halodoc, 2017
I. S. K. Idris, Y. A. Mustofa, and I. A. Salihi, “Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM),” Jambura Journal of Electrical and Electronics Engineering, vol. 5, no. 1, pp. 32-35, 2023.
M. Indra Buana and D. Brahma Arianto, “Analisis Sentimen Ulasan Pengguna Aplikasi ZenPro dengan Implementasi Algoritma Support Vector Machine (SVM),” Adopsi Teknologi Dan Sistem Informasi (ATASI), vol. 3, no. 1, pp. 45-52, 2024.
A. R. Isnain, A. I. Sakti, D. Alita, and N. S. Marga, “Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma SVM,” Jurnal Data Mining Dan Sistem Informasi, vol. 2, no. 1, p. 31, 2021.
U. Kulsum, M. Jajuli, and N. Sulistiyowati, “Analisis Sentimen Aplikasi WETV di Google Play Store Menggunakan Algoritma Support Vector Machine,” Journal of Applied Informatics and Computing, vol. 6, no. 2, pp. 205-212, 2022.
M. Rafi Nahjan, N. Heryana, and A. Voutama, “Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 1, pp. 101-104, 2023.
R. Wahyudi and G. Kusumawardana, “Analisis Sentimen pada Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine,” Jurnal Informatika, vol. 8, no. 2, pp. 200-207, 2021.
