ANALISIS SENTIMEN MASYARAKAT TERHADAP PROGRAM BADAN PENYELENGGARA JAMINAN SOSIAL (BPJS) MENGGUNAKAN DATA TWITTER

Zefanya Ardika
Alz Danny Wowor


DOI: https://doi.org/10.29100/jipi.v9i1.4272

Abstract


Jaminan Kesehatan Nasional merupakan salah satu program kesehatan pemerintah. Program ini menggunakan sistem premi, mirip dengan asuransi kesehatan pada umumnya, dimana untuk memastikan bahwa setiap orang dapat mengakses pelayanan kesehatan yang merata dan adil. Program ini adalah salah satu cara kebijakan ini dipraktikkan dengan mendirikan Badan. Dengan Badan hukum yakni Badan Penyelenggara Jaminan Sosial (BPJS) yang terbentuk untuk menyelenggarakan program jaminan kesehatan. Riset ini dibuat untuk melihat sentimen yang diberikan oleh masyarakat terkait program BPJS, riset dilakukan dengan Analisa Sentimen menggunakan metode atau model Naive Bayes, SVM, dan Random Forest. Data yang digunakan dalam riset ini merupakan Data tweet dari pengguna twitter yang diambil pada April 2023 dengan menggunakan API Twitter, mengambil 6000 unggahan tweet pengguna. Riset ini menggunakan model Naıve Bayes, SVM, dan Random Forest yang masing masing memberikan hasil yang cukup akurat dengan tingkat akurasi sebesar 99.3%, 99.6%, dan 99.2%. Dari 1053 data bersih setelah preprocessing, menghasilkan metode terbaik diantara metode lain dengan metode SVM menghasilkan 424 tweet positif. 357 tweet netral, dan 268 tweet negatif.

Full Text:

PDF

Article Metrics :

References


Suprapto and A. A. Malik, “Implementasi Kebijakan Diskresi Pada Pelayanan Kesehatan Badan Penyelenggara Jaminan Kesehatan (BPJS)” Jurnal Ilmiah Kesehatan Sandi Husada, Jun. 2019.

L. Linda, Y. Haskas, and E. Kadrianti, “Jurnal Ilmiah Kesehatan Diagnosis Volume 15 Nomor 2 Tahun 2020 eISSN : 2302-2531139 “Perbedaan Persepsi Pengguna Jasa Bpjs Dan Non Bpjs (Umum) Tentang Kualitas Pelayanan Keperawatandirsud Timika-Papua” Jurnal Ilmiah Kesehatan Diagnosis, 2020.

Ismatut Thobibah, Ernawaty, and Nyoman Anita Damayanti, “Analisis Faktor Penentu Kepesertaan BPJS ,” Jurnal Keperawatan Silampari 4, 2020.

R. Puspita and A. Widodo, “Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS,” Jurnal Informatika Universitas Pamulang, 2020.

Y. Kurniawan, A. Pujianto, and S. Andayani, “Analisis Perbedaan Pelayanan Kesehatan Pada Pasien BPJS dan Pasien Umum (Non-BPJS).” [Online]. Available: http://www.antarajatim.com/,

Zamal Imron, “Positif dan Negatif BPJS,” https://www.kompasiana.com/zamaldikjemen/59db26d8bde57521d11c7742/positif-dan-negatif-bpjs, Oct. 09, 2017.

Sopia Weni Anggriani, “Kualitas Pelayanan Bagi Peserta Bpjs Kesehatan Dan Non Bpjs Kesehatan” JISIP: Jurnal Ilmu Sosial dan Ilmu Politik, 2016.

Giovani AP, Ardiansyah, and Haryanti, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi ” 2020.

M. K. Anam, M. I. Mahendra, W. Agustin, Rahmaddeni, and Nurjayadi, “Framework for Analyzing Netizen Opinions on BPJS Using Sentiment Analysis and Social Network Analysis (SNA) ,” Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi, 2022.

Setyawati, N. Hendrastuty, A. R. Isnain, and A. Y. Rahmadhani, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” Jurnal Informatika: Jurnal pengembangan IT, 2021.

Samsir, Ambiyar, U. Verawaedina, F. Edi, and R. Watrianthos, “Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes,” Jurnal Media Informatika Budidarma, 2021.

E. Indrayuni, A. Nurhadi, and D. A. Kristiyanti, “Implementasi Algoritma Naive Bayes, Support Vector Machine, dan K-Nearest Neighbors Untuk Analisa Sentimen Aplikasi Halodoc,” 2021.

I. K. Dharmendra, N. N. U. Januhari, I. P. Ramayasa, and I. M. A. W. Putra, “Uji Komparasi Sentiment Analysis Pada Opini Alumni Terhadap Perguruan Tinggi,” Jurnal Teknik Informatika Unika ST. Thomas , 2022.

M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Perbandingan Metode Naïve Bayes dan Support Vector Machinepada Analisis Sentimen Twitter,” SMATIKA Jurnal, 2020.

A. S. Ritonga and E. S. Purwaningsih, “Penerapan Metode Support Vector Machine (SVM) Dalam Klasifikasi Kualitas Pengelasan Smaw (Shield Metal Arc Welding),” Jurnal Ilmiah Edutic, 2018.

A. Primajaya and B. N. Sari, “Random Forest Algorithm for Prediction of Precipitation,” Indonesian Journal of Artificial Intelligence and Data Mining, 2018.

M. Y. Aldean, “Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 di Twitter Menggunakan Metode Random Forest Classifier (Studi Kasus: Vaksin Sinovac),” Journal of Informatics, Information System, Software Engineering and Applications, vol. Vol. 4 No.2, May 2022.

[18] D. Alita, and A. Rahman, “Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier,” Jurnal Komputasi, VOL. 8, NO. 2, 2020.