Analisis Sentimen Pengguna Aplikasi Mobile Jaminan Kesehatan Nasional di Playstore Menggunakan Metode Naive Bayes
Abstract
Aplikasi Mobile JKN yang dikembangkan oleh BPJS Kesehatan bertujuan untuk mempermudah masyarakat dalam mengakses layanan Jaminan Kesehatan Nasional secara online. Namun, berdasarkan ulasan yang terdapat di Google Play Store, terdapat beberapa keluhan mengenai kualitas layanan, seperti kesulitan dalam mengakses aplikasi, gangguan teknis, dan kekurangan fitur, yang menciptakan pertanyaan terkait tingkat kepuasan pengguna. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Mobile JKN dengan menggunakan metode Multinomial Naïve Bayes untuk menilai tingkat kepuasan pengguna dan memberikan rekomendasi bagi pengembang untuk meningkatkan kualitas layanan. Pemilihan metode ini didasarkan pada kemampuannya yang efektif dalam mengolah data teks dengan distribusi multinomial, di mana frekuensi kemunculan kata sangat relevan untuk analisis sentimen. Data penelitian dikumpulkan melalui web scraping, menghasilkan 1.000 ulasan pengguna pada bulan September 2024. Hasil analisis menunjukkan bahwa sentimen positif mendominasi dengan 49,9%, diikuti sentimen negatif 39,3%, dan netral 10,8%. Model yang dikembangkan menunjukkan akurasi 94%, presisi 92%, recall 85%, dan F1-Score 88%, yang mengindikasikan efektivitas metode dalam klasifikasi sentimen. Temuan ini dapat membantu pengembang untuk meningkatkan kualitas layanan dan kepuasan pengguna aplikasi
References
S. Roiqoh, B. Zaman, and K. Kartono, “Analisis Sentimen Berbasis Aspek Ulasan Aplikasi Mobile JKN dengan Lexicon Based dan Naïve Bayes,” J. Media Inform. Budidarma, vol. 7, no. 3, p. 1582, 2023, doi: 10.30865/mib.v7i3.6194.
A. Erfina and M. F. Al-shufi, “Analisis Sentimen Aplikasi Jasa Kurir Di Play Store Menggunakan Algoritma Naive Bayes,” J. Sist. Inf. dan Inform., vol. 5, no. 2, pp. 103–110, 2022, doi: 10.47080/simika.v5i2.1789.
M. K. Insan, U. Hayati, and O. Nurdiawan, “Analisis Sentimen Aplikasi Brimo Pada Ulasan Pengguna Di,” J. Mhs. Tek. Inform., vol. 7, no. 1, pp. 478–483, 2023.
A. N. Hasanah and B. N. Sari, “Analisis Sentimen Ulasan Pengguna Aplikasi Jasa Ojek Online Maxim Pada Google Play Dengan Metode Naïve Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 1, pp. 90–96, 2024, doi: 10.23960/jitet.v12i1.3628.
K. S. Putri, I. R. Setiawan, and A. Pambudi, “Analisis Sentimen Terhadap Brand Skincare Lokal Menggunakan Naïve Bayes Classifier,” Technol. J. Ilm., vol. 14, no. 3, p. 227, 2023, doi: 10.31602/tji.v14i3.11259.
A. Komarudin and A. M. Hilda, “Analisis Sentimen Ulasan Aplikasi Identitas Kependudukan Digital Pada Play Store Menggunakan Metode Naïve Bayes,” Comput. Sci., vol. 4, no. 1, pp. 28–36, 2024, doi: 10.31294/coscience.v4i1.2955.
N. Nurzaman, N. Suarna, and W. Prihartono, “Analisis Sentimen Ulasan Aplikasi Threads Di Google Playstore Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 967–974, 2024, doi: 10.36040/jati.v8i1.8708.
E. Fitri, “Sentiment Analysis of the Ruangguru Application Using Naive Bayes, Random Forest and Support Vector Machine Algorithms,” J. Transform., vol. 18, no. 1, p. 71, 2020.
Friska Aditia Indriyani, Ahmad Fauzi, and Sutan Faisal, “Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine,” TEKNOSAINS J. Sains, Teknol. dan Inform., vol. 10, no. 2, pp. 176–184, 2023, doi: 10.37373/tekno.v10i2.419.
D. Winoto, V. Desta Aditia, C. Sorisa, R. Priskila, and V. Handrianus Pranatawijaya, “Analisis Sentimen Pada Ulasan Pengguna Terhadap Aplikasi Pembelajaran Bahasa Duolingo: Menggunakan Algoritma Naïve Bayes Dan K-Nearest Neighbor,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 3230–3236, 2024, doi: 10.36040/jati.v8i3.9647.
A. Puji Astuti, S. Alam, and I. Jaelani, “Komparasi Algoritma Support Vector Machine dengan Naive Bayes Untuk Analisis Sentimen Pada Aplikasi BRImo,” J. Bangkit Indones., vol. 11, no. 2, pp. 1–6, 2022, doi: 10.52771/bangkitindonesia.v11i2.196.
R. A. Saputra et al., “Analisis Sentimen Aplikasi Tokocrypto Berdasarkan Ulasan Pada Google Play Store Menggunakan Metode Naïve Bayes,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 4, pp. 2028–2036, 2024, doi: 10.30865/klik.v4i4.1707.
A. Muhammadin and I. A. Sobari, “Analisis Sentimen Pada Ulasan Aplikasi Kredivo Dengan Algoritma Svm Dan Nbc,” Reputasi J. Rekayasa Perangkat Lunak, vol. 2, no. 2, pp. 85–91, 2021, doi: 10.31294/reputasi.v2i2.785.
Meliyawati and F. N. Hasan, “Analisis Sentimen Pengguna Aplikasi CapCut Pada Ulasan di Play Store Menggunakan Metode Naïve Bayes,” Media Online, vol. 4, no. 4, pp. 2272–2280, 2024, doi: 10.30865/klik.v4i4.1555.
T. Ramadhani, P. Hermawan, and A. R. Dzikrillah, “Penerapan Metode Naïve Bayes untuk Analisis Sentimen pada Ulasan Pengguna Aplikasi ChatGPT di Google Play Store,” Technol. Sci., vol. 6, no. 1, pp. 430–439, 2024, doi: 10.47065/bits.v6i1.5400.
S. Tjipto R., “Sejarah Gaya Desain Grafis Kover Album Piringan Hitam Musisi Indonesia Tahun 1961-1969 Koleksi Irama Nusantara,” DeKaVe, vol. 12, no. 1, pp. 62–70, 2019, doi: 10.24821/dkv.v12i1.2818.
D. Rifai, E. Astriyani, and U. Indria, “Pembuatan Video Company Profile Sebagai Penunjang Informasi dan Promosi Pada PT. Daiichi Elevator Indonesia,” Technomedia J., vol. 3, no. 1, pp. 98–109, 2018, doi: https://doi.org/10.33050/tmj.v3i1.384.
Copyright (c) 2025 Elsa Damayanti, Nining Rahaningsih, Raditya Danar Dana, Cep Lukman Rohmat
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
