Analisis Ulasan Masyarakat Terhadap Aplikasi Mobile JKN Pada Twitter Dengan Metode Support Vector Machine

Abstract

Perkembangan teknologi digital telah membawa perubahan signifikan dalam berbagai sektor, termasuk pelayanan kesehatan. Salah satu bentuk inovasi di Indonesia adalah aplikasi Mobile Jaminan Kesehatan Nasional (Mobile JKN) yang diluncurkan oleh BPJS Kesehatan untuk mempermudah masyarakat dalam mengakses layanan kesehatan. Namun, seiring penggunaannya, banyak ulasan masyarakat mengenai aplikasi ini tersebar di media sosial, khususnya Twitter. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap Aplikasi Mobile Jaminan Kesehatan Nasional (JKN) di Twitter menggunakan metode Support Vector Machine (SVM). Dengan pesatnya perkembangan teknologi digital, Aplikasi Mobile JKN menjadi krusial dalam layanan kesehatan di Indonesia. Namun, pengelolaan umpan balik pengguna masih bersifat tradisional, sehingga ulasan di media sosial belum dimanfaatkan secara optimal untuk perbaikan aplikasi. Data ulasan dikumpulkan dari Twitter (5.609 tweet dari Januari 2023 hingga Januari 2025) menggunakan Google Colab dan Twitter API, kemudian melalui tahap pra-pemrosesan seperti cleaning, case folding, tokenizing, stopword removal, stemming, dan normalisasi teks. Sentimen ulasan dilabeli menjadi positif, negatif, atau netral, dengan pembobotan TF-IDF untuk konversi teks ke bentuk numerik. Model SVM dievaluasi menggunakan berbagai rasio pembagian data latih dan data uji (60:40, 70:30, 80:20, 90:10), serta diukur kinerjanya melalui metrik akurasi, presisi, recall, dan F1-score dari confusion matrix.