Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Informatika Upgris Journal Medical Informatics Technology
Trihardo, Rendra
Unknown Affiliation
Computer Science & IT Dentistry Engineering Medicine & Pharmacology Public Health

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analysis of Service Quality on User Satisfaction in BPJS Kesehatan Website Trihardo, Rendra; Jumadi, J; Ernawati, Muji
Journal Medical Informatics Technology Volume 2 No. 4, December 2024
Publisher : SAFE-Network

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37034/medinftech.v2i4.56

Abstract

BPJS Kesehatan plays a vital role in providing health insurance to millions of Indonesians, making it essential to assess the quality of service on their website to ensure efficient and accessible healthcare delivery. This study evaluates of service quality on user satisfaction with the BPJS Kesehatan website by analyzing 10 hypotheses related to information quality, system usability, and service effectiveness. The research employed a quantitative approach, utilizing a structured questionnaire and regression analysis with data from 32 respondents. Significant findings include a strong positive effect of service quality on system use (β = 0.928, p = 0.002) and a notable impact of system use on net benefits (β = 0.337, p = 0.014). The model's high R² value of 0.796 indicates that nearly 80% of the variance in net benefits is explained by the predictors, demonstrating that improved service quality and increased system use substantially enhance user satisfaction and perceived benefits. These results underscore the importance of focusing on service quality and user engagement to optimize outcomes from the BPJS Kesehatan website.
Evaluasi Komparatif Analisis Sentimen Komentar Media Sosial Menggunakan Multinomial Naïve Bayes, Bidirectional-LSTM dan Transfer Learning Purnomo, Niko; Trihardo, Rendra; Rizky, Joy Lawa; Fatmasari, Rhini; Gata, Windu
Jurnal Informatika UPGRIS Vol 11, No 2 (2025): DESEMBER 2025
Publisher : Universitas PGRI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Komentar pada media sosial dapat digunakan sebagai umpan balik cepat untuk mengevaluasi kualitas layanan suatu institusi. Penelitian ini membandingkan empat pendekatan klasifikasi sentimen pada komentar Facebook dan Instagram institusi pendidikan (studi kasus: akun resmi Universitas Terbuka), yaitu Multinomial Naïve Bayes (TF-IDF), Text Vectorization Embedding (TensorFlow), Bidirectional-LSTM, dan Universal Sentence Encoder (USE)–Transfer Learning. Tujuan penelitian ini adalah mengidentifikasi model dengan kinerja terbaik untuk klasifikasi sentimen positif dan negatif pada komentar media sosial berbahasa Indonesia. Dataset yang digunakan terdiri dari 333 komentar Facebook dan 663 komentar Instagram, kemudian dilakukan penyeimbangan kelas melalui proses filtering sehingga diperoleh 154 komentar Facebook dan 178 komentar Instagram untuk pemodelan. Hasil evaluasi menunjukkan Bidirectional-LSTM memberikan performa terbaik, dengan akurasi 0,88 dan F1-score 0,89 pada Facebook, serta akurasi 0,74 dan F1-score 0,84 pada Instagram. Model dengan performa terendah pada kedua platform adalah USE–Transfer Learning. Temuan ini mengindikasikan bahwa Bidirectional-LSTM lebih efektif untuk menangkap konteks sekuensial pada komentar media sosial, sehingga dapat dimanfaatkan sebagai dasar pemantauan kualitas layanan secara berkala. Namun, akurasi seluruh model masih berada di bawah 90%, sehingga penelitian lanjutan diperlukan, misalnya melalui perluasan data, penanganan ketidakseimbangan kelas yang lebih robust, dan optimasi arsitektur/model pralatih
Co-Authors Ernawati, Muji Gata, Windu Jumadi, J Purnomo, Niko Rhini Fatmasari, Rhini Rizky, Joy Lawa