PRAYOGO, HENGKI (2025) PERBANDINGAN ANALISIS SENTIMEN TWITTER TERKAIT PELAYANAN BPJS DAN NON-BPJS KESEHATAN MENGGUNAKAN ALGORITMA BERT. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (536kB) | Preview |
|
![]() |
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (104kB) |
|
![]() |
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (397kB) |
|
![]() |
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (431kB) |
|
![]() |
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (674kB) |
|
![]() |
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (105kB) |
|
![]() |
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (189kB) |
|
![]() |
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (851kB) |
Abstract
Analisis sentimen adalah alat penting untuk memahami persepsi publik terhadap berbagai isu, termasuk pelayanan kesehatan. Dalam konteks Indonesia, BPJS memegang peran vital dalam penyediaan layanan kesehatan, namun memicu beragam kritik dan dukungan di media sosial, khususnya Twitter. Penelitian ini bertujuan menganalisis sentimen dari data Twitter yang berkaitan dengan pelayanan kesehatan BPJS dan non-BPJS menggunakan algoritma machine learning terkini, yaitu BERT (Bidirectional Encoder Representations from Transformers). Data dikumpulkan melalui Twitter API menggunakan kata kunci yang relevan, menghasilkan ribuan tweet yang merepresentasikan sentimen publik seputar perawatan kesehatan. Prosedur praproses digunakan untuk membersihkan data dari gangguan, menghapus duplikat, melakukan tokenization pada format teks, dan mengubahnya menjadi representasi yang dapat dipahami oleh algoritma. BERT adalah model pembelajaran mendalam yang memanfaatkan arsitektur transformator untuk memperoleh pemahaman yang lebih mendalam tentang konteks kata-kata dalam sebuah kalimat. BERT dievaluasi berdasarkan berbagai metrik kinerja, termasuk akurasi, presisi, recall, dan F1-score, untuk menentukan efektivitasnya dalam mengklasifikasikan sentimen positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa BERT memiliki keunggulan signifikan dalam pemahaman konteks dan akurasi tinggi dalam klasifikasi sentimen. Temuan dari penelitian ini tidak hanya memberikan wawasan berharga bagi pemangku kebijakan dan praktisi kesehatan dalam memahami opini masyarakat terhadap pelayanan BPJS dan nonBPJS, tetapi juga menunjukkan potensi penggunaan algoritma canggih dalam analisis data sosial. Penelitian ini diharapkan dapat menjadi dasar bagi studi lebih lanjut mengenai sentimen publik dan perbaikan pelayanan kesehatan di Indonesia. Kata Kunci: Analisis Sentimen, BERT, Pelayanan Kesehatan, Data Twitter
Actions (login required)
![]() |
View Item |