Analisis Sentimen Pengguna Twitter terhadap Pelayanan BPJS Kesehatan

Rina Widyastuti, Dian Budi Santoso, S.K.M., M.P.H

2023 | Tugas Akhir | D4 MANAJEMEN INFORMASI KESEHATAN

Latar Belakang: Berbagai pelayanan yang dijamin oleh Jaminan Kesehatan Nasional (JKN) yang diselenggarakan BPJS merupakan perwujudan dari dicapainya tujuan dari Universal Health Coverage (UHC). Twitter menjadi salah satu media yang dapat digunakan masyarakat untuk melakukan evaluasi terhadap kebijakan maupun layanan yang diberikan pemerintah. Salah satu hal yang dapat dievaluasi yaitu berkaitan dengan pelayanan BPJS Kesehatan sebelum dan setelah kasus COVID-19 dapat turun dengan konsisten.

Tujuan: Melakukan analisis sentimen pengguna Twitter terhadap pelayanan BPJS Kesehatan dengan metode Naïve Bayes

Metode: Metode yang digunakan yaitu kuantitaif deskriptif dengan crawling data Twitter periode September 2021 sampai Agustus 2022 didapatkan 276.676 tweet dan setelah dilakukan cleaning diperoleh 45.585 data. Kemudian data dilakukan preprocessing, cross validation, dan pencarian topik dengan word cloud.

Hasil: Terdapat perbedaan persebaran sentimen sebelum dan setelah kasus turun. Sebelum kasus turun didapatkan 68,52%, sentimen positif, 19,44% sentimen negatif, dan netral sebanyak 12,04?ngan akurasi rata-ratanya 80,94%. Setelah kasus turun didapatkan 45% sentimen positif, 41% sentimen negatif, dan sentimen netral sebesar 14%. Dengan akurasi rata-rata 70,48%.

Kesimpulan: Perlu dilakukan penelitian dengan metode machine learning selain Naïve Bayes untuk membandingkan metode terbaik dengan memperhatikan tingkat akurasinya yang masih perlu ditingkatkan.

Background: Various services guaranteed by the National Health Insurance (JKN) organized by BPJS. Twitter is one of the media that can be used by the public to evaluate policies and services provided by the government. One of the things that can be evaluated is related to BPJS Health services after COVID-19 cases can drop consistently.

Objective: Analyze Twitter user sentiment towards BPJS Kesehatan services using the Naïve Bayes method

Method: The method used is descriptive quantitative by crawling Twitter data for the period September 2021 to August 2022, 276,676 tweets were obtained and after cleaning, 45,585 data were obtained. Then the data is preprocessed, cross validation, and topic search with word cloud.

Results: There is a difference in the distribution of sentiment before and after the case drops. Before the case dropped, 68.52%, positive sentiment, 19.44% negative sentiment, and neutral as much as 12.04% with an average accuracy of 80.94%. After the case dropped, 45% positive sentiment, 41% negative sentiment, and 14% neutral sentiment were obtained. With an average accuracy of 70,48%.

Conclusion: It is necessary to conduct research with machine learning methods other than Naïve Bayes to compare the best methods by paying attention to the level of accuracy that still needs to be improved.

Kata Kunci : analisis sentimen, BPJS Kesehatan, data mining, text mining,twitter