PENERAPAN ALGORITMA BI-LSTM DENGAN OPTIMASI THRESHOLD ADJUSTMENT UNTUK ANALISIS SENTIMEN ULASAN APLIKASI MOBILE JKN

Abstract

Penelitian ini bertujuan untuk menerapkan algoritma Bidirectional Long Short-Term Memory (Bi-LSTM) dengan optimasi threshold adjustment dalam analisis sentimen ulasan pengguna aplikasi Mobile JKN pada platform Google Play Store. Data ulasan yang digunakan berasal dari file mobilejkn.csv dengan ribuan record, diproses melalui tahapan pre-processing yang mencakup pembersihan teks, tokenisasi, penghapusan stopword, dan stemming. Model memanfaatkan lapisan embedding, bidirectional LSTM, dropout, serta dense layer dengan aktivasi softmax. Evaluasi model Bi-LSTM mencapai akurasi 88,5% pada data validasi (setelah pelatihan 10 epoch dengan optimizer Adam), dengan peningkatan performa menjadi 90,2% setelah penerapan threshold adjustment (penyesuaian batas probabilitas maksimum <0,58 untuk klasifikasi netral). Nilai presisi rata-rata 89,1%, recall 88,7%, dan F1-score 88,9%. Hasil analisis menunjukkan dominasi sentimen negatif (sekitar 45-50%) terkait masalah teknis seperti kesulitan login, verifikasi OTP lambat, kegagalan booking antrian, serta proses registrasi yang rumit. Temuan ini sejalan dengan keluhan umum pada ulasan terbaru (rating rata-rata 4,3 dari 933 ribu ulasan). Penelitian ini merekomendasikan kepada BPJS Kesehatan untuk segera memperbaiki fitur autentikasi, stabilitas server, dan antarmuka pengguna agar meningkatkan kepuasan serta loyalitas peserta JKN.