ANALISIS SENTIMEN MASYARAKAT TERHADAP PELAKSANAAN LAYANAN KESEHATAN SELAMA MASA PANDEMI DI INDONESIA MENGGUNAKAN TEKNOLOGI BIG DATA
Abstract
Coronavirus Disease 2019 (COVID-19) merupakan penyakit infeksi saluran pernapasan yang disebabkan oleh coronavirus. COVID-19 dinyatakan sebagai pandemi oleh WHO (World Health Organization) pada 9 Maret 2020 karena persebarannya yang sangat cepat. Peningkatan kebutuhan layanan kesehatan di masa pandemi memberikan dampak terhadap kualitas pelayanan yang diberikan, berdasarkan hal tersebut evaluasi dan monitoring layanan perlu dilakukan untuk menjaga dan meningkatkan kepuasan masyarakat terkait penyelenggaraan layanan agar sesuai dengan kebutuhan dan tuntutan dari masyarakat. Penelitian ini dilakukan untuk mengetahui tingkat kepuasan masyarakat terkait penyelenggaraan layanan kesehatan yang diberikan berdasarkan sentimen masyarakat pada platform sosial media Twitter. Penelitian ini menggunakan metode pembobotan kata TF-IDF dan juga algoritma klasifikasi K-Nearest Neighbor (K-NN), dimana terdapat tiga kelas klasifikasi yang terdiri dari negatif, netral dan positif. Jumlah data Twitter yang digunakan yaitu sebanyak 2.507.349 data dan 4.200 data sebagai data latih (data training). Hasil analisis sentimen menunjukkan bahwa data yang terklasifikasi dalam sentimen negatif sebanyak 23.35% data sedangkan sentimen netral sebanyak 49.76% data dan sentimen positif sebanyak 26.89% data. Nilai akurasi tertinggi yang dihasilkan dari klasifikasi sentimen menggunakan algoritma K-NN yaitu sebesar 76.19% dengan parameter nilai k=7.
References
[1] G. E. C. K. & A. A. R. Stefanny J. Pangoempia, “Analisis Pengaruh Pandemi Covid-19 Terhadap Pelayanan Kesehatan Di Puskesmas Ranotana Weru Dan Puskesmas Teling Atas Kota Manado,” Kesmas, vol. 10, no. 1, pp. 40–49, 2021.
[2] R. Yayat, “Kualitas Pelayanan Publik Bidang Administrasi Kependudukan Di Kecamatan Gamping,” J. Ilm. Magister Ilmu Adm., no. 2, pp. 56–65, 2017, [Online]. Available: http://eprints.uny.ac.id/17523/1/SKRIPSI FULL.pdf
[3] V. A. Dihni, “Inilah 10 Negara dengan Pengguna Twitter Terbanyak, Ada Indonesia?,” Databoks, p. 2021, 2021, [Online]. Available: https://databoks.katadata.co.id/datapublish/2021/11/04/inilah-10-negara-dengan-pengguna-twitter-terbanyak-ada-indonesia
[4] S. S. Salim and J. Mayary, “Analisis Sentimen Pengguna Twitter Terhadap Dompet Elektronik Dengan Metode Lexicon Based Dan K – Nearest Neighbor,” J. Ilm. Inform. Komput., vol. 25, no. 1, pp. 1–17, 2020, doi: 10.35760/ik.2020.v25i1.2411.
[5] R. A. Wildan, R. A. Rajagede, and R. Rahmadi, “Analisis Sentimen Politik Berdasarkan Big Data dari Media Sosial Youtube : Sebuah Tinjauan Literatur,” Automata, vol. 2, 2021.
[6] N. Fajriyah, W. Setiawan, E. Dewi, and T. Duha, “IMPLEMENTASI TEKNOLOGI BIG DATA DI ERA DIGITAL,” J. Inform., vol. 1, no. 1, pp. 1–7, 2022.
[7] P. N. Lhokseumawe, K. Pengantar, rahayu deny danar dan alvi furwanti Alwie, A. B. Prasetio, and R. Andespa, Implementasi Metode K-Nearest Neighbor (K-Nn) Untuk Identifikasi Ujaran Kebencian Terhadap Tokoh Politik Pada Twitter, vol. 2, no. 1. 2019.
[8] R. Puspita and A. Widodo, “Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS,” J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 646, 2021, doi: 10.32493/informatika.v5i4.7622.
[9] I. M. Mika Parwita and D. Siahaan, “Classification of Mobile Application Reviews using Word Embedding and Convolutional Neural Network,” Lontar Komput. J. Ilm. Teknol. Inf., vol. 10, no. 1, p. 1, 2019, doi: 10.24843/lkjiti.2019.v10.i01.p01.
[10] D. A. Savita, I. K. G. D. Putra, and N. K. D. Rusjayanthi, “Public Sentiment Analysis of Online Transportation in Indonesia through Social Media Using Google Machine Learning,” J. Ilm. Merpati (Menara Penelit. Akad. Teknol. Informasi), vol. 9, no. 2, p. 153, 2021, doi: 10.24843/jim.2021.v09.i02.p06.
[11] F. Sodik and I. Kharisudin, “Analisis Sentimen dengan SVM , NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter,” Prisma, vol. 4, pp. 628–634, 2021.
[12] Y. Azhar, “Metode Lexicon-Learning Based Untuk Identifikasi Tweet Opini Berbahasa Indonesia,” J. Nas. Pendidik. Tek. Inform., vol. 6, no. 3, p. 237, 2018, doi: 10.23887/janapati.v6i3.11739.
[13] I. Kurniawan and A. Susanto, “Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019,” Eksplora Inform., vol. 9, no. 1, pp. 1–10, 2019, doi: 10.30864/eksplora.v9i1.237.
[14] R. I. Pristiyanti, M. A. Fauzi, and L. Muflikhah, “Sentiment Analysis Peringkasan Review Film Menggunakan Metode Information Gain dan K-Nearest Neighbor,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 3, pp. 1179–1186, 2018, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/1140
[15] N. K. Widyasanti, I. K. G. D. Putra, and N. K. D. Rusjayanthi, “Seleksi Fitur Bobot Kata dengan Metode TFIDF untuk Ringkasan Bahasa Indonesia,” J. Ilm. Merpati (Menara Penelit. Akad. Teknol. Informasi), vol. 6, no. 2, p. 119, 2018, doi: 10.24843/jim.2018.v06.i02.p06.
[16] I. M. A. S. Widiatmika, I. N. Piarsa, and A. F. Syafiandini, “Recognition of The Baby Footprint Characteristics Using Wavelet Method and K-Nearest Neighbor (K-NN),” Lontar Komput. J. Ilm. Teknol. Inf., vol. 12, no. 1, p. 41, 2021, doi: 10.24843/lkjiti.2021.v12.i01.p05.
[17] UNICEF, “Hal-hal yang perlu diketahui sebelum, saat, dan setelah menerima vaksin COVID-19,” 2021. https://www.unicef.org/indonesia/id/coronavirus/hal-hal-yang-perlu-diketahui-sebelum-saat-dan-setelah-menerima-vaksin-covid-19?gclid=Cj0KCQjwxveXBhDDARIsAI0Q0x3yBPAvNcYN1GI8Ju6LZYFv0YQ0BZTSz0XwABEJe4KlV0a9tG5WnaUaAlTsEALw_wcB
[18] I. M. Rais, “Vaksinasi COVID-19 Bersifat Wajib, Ombudsman RI Dorong Pemerintah Intensifkan Edukasi Masyarakat,” 2021. https://ombudsman.go.id/news/r/vaksinasi-covid-19-bersifat-wajib--ombudsman-ri-dorong-pemerintah-intensifkan-edukasi-masyarakat
[19] A. Prawira Eka, “Muncul Petisi Batalkan Kartu Vaksin Sebagai Syarat Administrasi,” 2021. https://www.liputan6.com/health/read/4651499/muncul-petisi-batalkan-kartu-vaksin-sebagai-syarat-administrasi
[20] CNN Indonesia, “BPJS Jadi Syarat Urus SIM, STNK, Naik Haji, hingga Jual Beli Tanah,” 2022. https://www.cnnindonesia.com/ekonomi/20220220082622-92-761468/bpjs-jadi-syarat-urus-sim-stnk-naik-haji-hingga-jual-beli-tanah
[21] Kemenkes RI, “Vaksinasi Booster Gratis, Dimulai 12 Januari 2022,” 2022. https://www.kemkes.go.id/article/view/22011200002/vaksinasi-booster-gratis-dimulai-12-januari-2022.html
[22] CNBC Indonesia, “Berkat BPJS Kesehatan, Biaya Berobat Jadi Gratis,” 2021. https://www.cnbcindonesia.com/news/20210527161254-4-248801/berkat-bpjs-kesehatan-biaya-berobat-jadi-gratis
[2] R. Yayat, “Kualitas Pelayanan Publik Bidang Administrasi Kependudukan Di Kecamatan Gamping,” J. Ilm. Magister Ilmu Adm., no. 2, pp. 56–65, 2017, [Online]. Available: http://eprints.uny.ac.id/17523/1/SKRIPSI FULL.pdf
[3] V. A. Dihni, “Inilah 10 Negara dengan Pengguna Twitter Terbanyak, Ada Indonesia?,” Databoks, p. 2021, 2021, [Online]. Available: https://databoks.katadata.co.id/datapublish/2021/11/04/inilah-10-negara-dengan-pengguna-twitter-terbanyak-ada-indonesia
[4] S. S. Salim and J. Mayary, “Analisis Sentimen Pengguna Twitter Terhadap Dompet Elektronik Dengan Metode Lexicon Based Dan K – Nearest Neighbor,” J. Ilm. Inform. Komput., vol. 25, no. 1, pp. 1–17, 2020, doi: 10.35760/ik.2020.v25i1.2411.
[5] R. A. Wildan, R. A. Rajagede, and R. Rahmadi, “Analisis Sentimen Politik Berdasarkan Big Data dari Media Sosial Youtube : Sebuah Tinjauan Literatur,” Automata, vol. 2, 2021.
[6] N. Fajriyah, W. Setiawan, E. Dewi, and T. Duha, “IMPLEMENTASI TEKNOLOGI BIG DATA DI ERA DIGITAL,” J. Inform., vol. 1, no. 1, pp. 1–7, 2022.
[7] P. N. Lhokseumawe, K. Pengantar, rahayu deny danar dan alvi furwanti Alwie, A. B. Prasetio, and R. Andespa, Implementasi Metode K-Nearest Neighbor (K-Nn) Untuk Identifikasi Ujaran Kebencian Terhadap Tokoh Politik Pada Twitter, vol. 2, no. 1. 2019.
[8] R. Puspita and A. Widodo, “Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS,” J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 646, 2021, doi: 10.32493/informatika.v5i4.7622.
[9] I. M. Mika Parwita and D. Siahaan, “Classification of Mobile Application Reviews using Word Embedding and Convolutional Neural Network,” Lontar Komput. J. Ilm. Teknol. Inf., vol. 10, no. 1, p. 1, 2019, doi: 10.24843/lkjiti.2019.v10.i01.p01.
[10] D. A. Savita, I. K. G. D. Putra, and N. K. D. Rusjayanthi, “Public Sentiment Analysis of Online Transportation in Indonesia through Social Media Using Google Machine Learning,” J. Ilm. Merpati (Menara Penelit. Akad. Teknol. Informasi), vol. 9, no. 2, p. 153, 2021, doi: 10.24843/jim.2021.v09.i02.p06.
[11] F. Sodik and I. Kharisudin, “Analisis Sentimen dengan SVM , NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter,” Prisma, vol. 4, pp. 628–634, 2021.
[12] Y. Azhar, “Metode Lexicon-Learning Based Untuk Identifikasi Tweet Opini Berbahasa Indonesia,” J. Nas. Pendidik. Tek. Inform., vol. 6, no. 3, p. 237, 2018, doi: 10.23887/janapati.v6i3.11739.
[13] I. Kurniawan and A. Susanto, “Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019,” Eksplora Inform., vol. 9, no. 1, pp. 1–10, 2019, doi: 10.30864/eksplora.v9i1.237.
[14] R. I. Pristiyanti, M. A. Fauzi, and L. Muflikhah, “Sentiment Analysis Peringkasan Review Film Menggunakan Metode Information Gain dan K-Nearest Neighbor,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 3, pp. 1179–1186, 2018, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/1140
[15] N. K. Widyasanti, I. K. G. D. Putra, and N. K. D. Rusjayanthi, “Seleksi Fitur Bobot Kata dengan Metode TFIDF untuk Ringkasan Bahasa Indonesia,” J. Ilm. Merpati (Menara Penelit. Akad. Teknol. Informasi), vol. 6, no. 2, p. 119, 2018, doi: 10.24843/jim.2018.v06.i02.p06.
[16] I. M. A. S. Widiatmika, I. N. Piarsa, and A. F. Syafiandini, “Recognition of The Baby Footprint Characteristics Using Wavelet Method and K-Nearest Neighbor (K-NN),” Lontar Komput. J. Ilm. Teknol. Inf., vol. 12, no. 1, p. 41, 2021, doi: 10.24843/lkjiti.2021.v12.i01.p05.
[17] UNICEF, “Hal-hal yang perlu diketahui sebelum, saat, dan setelah menerima vaksin COVID-19,” 2021. https://www.unicef.org/indonesia/id/coronavirus/hal-hal-yang-perlu-diketahui-sebelum-saat-dan-setelah-menerima-vaksin-covid-19?gclid=Cj0KCQjwxveXBhDDARIsAI0Q0x3yBPAvNcYN1GI8Ju6LZYFv0YQ0BZTSz0XwABEJe4KlV0a9tG5WnaUaAlTsEALw_wcB
[18] I. M. Rais, “Vaksinasi COVID-19 Bersifat Wajib, Ombudsman RI Dorong Pemerintah Intensifkan Edukasi Masyarakat,” 2021. https://ombudsman.go.id/news/r/vaksinasi-covid-19-bersifat-wajib--ombudsman-ri-dorong-pemerintah-intensifkan-edukasi-masyarakat
[19] A. Prawira Eka, “Muncul Petisi Batalkan Kartu Vaksin Sebagai Syarat Administrasi,” 2021. https://www.liputan6.com/health/read/4651499/muncul-petisi-batalkan-kartu-vaksin-sebagai-syarat-administrasi
[20] CNN Indonesia, “BPJS Jadi Syarat Urus SIM, STNK, Naik Haji, hingga Jual Beli Tanah,” 2022. https://www.cnnindonesia.com/ekonomi/20220220082622-92-761468/bpjs-jadi-syarat-urus-sim-stnk-naik-haji-hingga-jual-beli-tanah
[21] Kemenkes RI, “Vaksinasi Booster Gratis, Dimulai 12 Januari 2022,” 2022. https://www.kemkes.go.id/article/view/22011200002/vaksinasi-booster-gratis-dimulai-12-januari-2022.html
[22] CNBC Indonesia, “Berkat BPJS Kesehatan, Biaya Berobat Jadi Gratis,” 2021. https://www.cnbcindonesia.com/news/20210527161254-4-248801/berkat-bpjs-kesehatan-biaya-berobat-jadi-gratis
Published
2022-08-22
How to Cite
ASTUTI, Ni Nyoman Indri Wika; SUARJAYA, I Made Agus Dwi; RAHARJA, I Made Sunia.
ANALISIS SENTIMEN MASYARAKAT TERHADAP PELAKSANAAN LAYANAN KESEHATAN SELAMA MASA PANDEMI DI INDONESIA MENGGUNAKAN TEKNOLOGI BIG DATA.
JITTER : Jurnal Ilmiah Teknologi dan Komputer, [S.l.], v. 3, n. 2, p. 1245-1256, aug. 2022.
ISSN 2747-1233.
Available at: <https://ojs.unud.ac.id/index.php/jitter/article/view/91114>. Date accessed: 19 apr. 2024.
doi: https://doi.org/10.24843/JTRTI.2022.v03.i02.p23.
Section
Articles
