PERBANDINGAN ANALISIS SENTIMEN TWITTER TERKAIT PELAYANAN BPJS DAN NON-BPJS KESEHATAN MENGGUNAKAN ALGORITMA BERT

PRAYOGO, HENGKI (2025) PERBANDINGAN ANALISIS SENTIMEN TWITTER TERKAIT PELAYANAN BPJS DAN NON-BPJS KESEHATAN MENGGUNAKAN ALGORITMA BERT. S1 thesis, Universitas Mercu Buana Jakarta.

[img]
Preview
Text (HAL COVER)
01 COVER.pdf

Download (536kB) | Preview
[img] Text (BAB I)
02 BAB 1.pdf
Restricted to Registered users only

Download (104kB)
[img] Text (BAB II)
03 BAB 2.pdf
Restricted to Registered users only

Download (397kB)
[img] Text (BAB III)
04 BAB 3.pdf
Restricted to Registered users only

Download (431kB)
[img] Text (BAB IV)
05 BAB 4.pdf
Restricted to Registered users only

Download (674kB)
[img] Text (BAB V)
06 BAB 5.pdf
Restricted to Registered users only

Download (105kB)
[img] Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf
Restricted to Registered users only

Download (189kB)
[img] 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

Item Type: Thesis (S1)
Call Number CD: FIK/INFO. 25 078
NIM/NIDN Creators: 41521010038
Uncontrolled Keywords: Analisis Sentimen, BERT, Pelayanan Kesehatan, Data Twitter
Subjects: 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum
200 Religion/Agama > 260 Christian Social Theology/Teologi Sosial Kristen > 268 Religious Education/Pendidikan Agama Kristen, Pengajaran Agama Kristen > 268.7 Services/Pelayanan
500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma
600 Technology/Teknologi > 610 Medical, Medicine, and Health Sciences/Ilmu Kedokteran, Ilmu Pengobatan dan Ilmu Kesehatan
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: khalimah
Date Deposited: 31 Jul 2025 06:43
Last Modified: 31 Jul 2025 06:43
URI: http://repository.mercubuana.ac.id/id/eprint/96420

Actions (login required)

View Item View Item