Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Teknologi dan Kejuruan
Made Donita Maharani
Universitas Pendidikan Ganesha
Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PERBANDINGAN PERFORMA TF-IDF DAN BOW PADA ANALISIS SENTIMEN BPJS KESEHATAN MENGGUNAKAN XGBOOST Made Donita Maharani; I Gusti Ayu Agung Diatri Indradewi; I Nyoman Saputra Wahyu Wijaya
Jurnal Pendidikan Teknologi dan Kejuruan Vol. 23 No. 1 (2026): Edisi Januari 2026
Publisher : Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/jptk-undiksha.v23i1.109604

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja metode ekstraksi fitur Term Frequency–Inverse Document Frequency (TF-IDF) dan Bag of Words (BoW) menggunakan algoritma XGBoost dalam analisis sentimen masyarakat terhadap BPJS Kesehatan berdasarkan ulasan pada platform X. Tahapan penelitian meliputi preprocessing teks, ekstraksi fitur, penanganan ketidakseimbangan kelas, serta pengujian model menggunakan tujuh skenario dengan validasi 10-fold dan pembagian data 80:20. Hasil pengujian menunjukkan bahwa kombinasi TF-IDF dan XGBoost memperoleh rata-rata akurasi sebesar 78,63%, presisi 70,30%, recall 65,68%, dan F1-score 67,12%. Sementara itu, kombinasi BoW dan XGBoost menghasilkan akurasi 78,52%, presisi 68,53%, recall 70,23%, dan F1-score 69,14%. Hasil visualisasi word cloud menunjukkan bahwa sentimen negatif lebih dominan dengan kata-kata seperti “lama”, “antri”, dan “buruk”, sedangkan sentimen positif didominasi oleh kata “baik” dan “bagus”. Secara keseluruhan, TF-IDF lebih unggul dalam akurasi dan presisi, sedangkan BoW lebih efektif dalam meningkatkan recall dan F1-score pada analisis sentimen BPJS Kesehatan.
Co-Authors I Gusti Ayu Agung Diatri Indradewi I Nyoman Saputra Wahyu Wijaya