ANALISIS SENTIMEN BPJS KESEHATAN SEBAGAI SYARAT PELAYANAN PUBLIK PADA YOUTUBE DENGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

EFRIANSYAH, DIKY (2022) ANALISIS SENTIMEN BPJS KESEHATAN SEBAGAI SYARAT PELAYANAN PUBLIK PADA YOUTUBE DENGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 COVER.pdf Download (287kB) | Preview
Preview	Text (ABSTRAK) 02 ABSTRAK.pdf Download (25kB) | Preview
	Text (BAB I) 03 BAB 1.pdf Restricted to Registered users only Download (74kB)
	Text (BAB II) 04 BAB 2.pdf Restricted to Registered users only Download (110kB)
	Text (BAB III) 05 BAB 3.pdf Restricted to Registered users only Download (82kB)
	Text (BAB IV) 06 BAB 4.pdf Restricted to Registered users only Download (422kB)
	Text (BAB V) 07 BAB 5.pdf Restricted to Registered users only Download (24kB)
	Text (DAFTAR PUSTAKA) 08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (179kB)
	Text (LAMPIRAN) 09 LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Social Insurance Administration Organization (BPJS) is an organization established to manage social security programs so that everyone can meet the basic needs of a decent life according to Law Number 40 of 2004 and Law Number 24 of 2011. Currently, 86% of the Indonesian population is registered as BPJS Health participants, and the government's target is to increase the number of BPJS Health members to 98% by 2024. To achieve this target, the government made a policy, namely to access public services the community must attach BPJS Health membership in accordance with Presidential Instruction Number 1 of 2022. This has drawn varying responses from the community. With sentiment analysis, we can find out the public's response to the policy and classify it into positive, negative, or neutral sentiments. This research analyzes the sentiment of public opinion on government policies that require people to have BPJS Health access public services using the Naïve Bayes algorithm and Support Vector. The experimental results show that the Support Vector Machine algorithm with TFIDF word weighting has the highest accuracy at a percentage split of 80:20 of 80% and K-Fold Cross Validation testing at K = 10 of 81% with an average accuracy of 79%. Keywords: BPJS, Sentiment Analysis, Naïve Bayes, Support Vector Machine, Word Weighting Badan Penyelenggara Jaminan Sosial (BPJS) adalah organisasi yang dibentuk untuk mengelola program jaminan sosial agar setiap orang dapat memenuhi kebutuhan dasar kehidupan yang layak menurut Undang-undang Nomor 40 Tahun 2004 dan Undang-undang Nomor 24 Tahun 2011. Tercatat saat ini ada 86% penduduk Indonesia yang terdaftar menjadi peserta BPJS Kesehatan, dan menjadi target pemerintah meningkatkan jumlah kepesertaan BPJS Kesehatan menjadi 98% pada tahun 2024 mendatang. Untuk mencapai target tersebut maka pemerintah membuat sebuah kebijakan yaitu untuk mengakses layanan publik masyarakat harus melampirkan kepesertaan BPJS Kesehatan sesuai dengan Inpres Nomor 1 Tahun 2022. Hal tersebut menuai berbagai tanggapan dari masyarakat. Dengan analisis sentimen kita dapat mengetahui tanggapan masyarakat terhadap kebijakan tersebut dan mengklasifikasikan ke sentimen positif, negatif maupun netral. Pada penelitian ini dilakukan analisa sentimen opini masyarakat terhadap kebijakan pemerintah yang mewajibkan masyarakat memiliki BPJS Kesehatan untuk mengakses layanan publik menggunakan algoritma Naïve Bayes dan Support Vector Machine. Hasil eksperimen menunjukan bahwa algortima Support Vector Machine dengan pembobotan kata TF-IDF memiliki akurasi tertinggi pada percentage split 80:20 sebesar 80% dan pengujian K-Fold Cross Validation pada K=10 sebesar 81% dengan rata-rata akurasi sebesar 79%. Kata Kunci : BPJS, Sentimen, Naïve Bayes, Support Vector Machine, Pembobotan Kata

Actions (login required)

View Item