<![CDATA[Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi sentimen ulasan masyarakat terhadap layanan BPJS Kesehatan dengan mengoptimalkan algoritma C5.0 menggunakan teknik SMOTE dan XGBoost. Pengujian dilakukan dengan beberapa kombinasi, termasuk C5.0, C5.0 dengan XGBoost, C5.0 dengan SMOTE, dan kombinasi ketiganya. Hasil menunjukkan bahwa algoritma C5.0 dasar mencapai akurasi sebesar 67.18%, kombinasi C5.0 dengan XGBoost mencapai 73.55%, C5.0 dengan SMOTE memiliki akurasi 67.00%, sementara kombinasi ketiganya (C5.0, SMOTE, dan XGBoost) memberikan akurasi tertinggi sebesar 80.87%, mengungguli metode lain. Analisis sentimen mengindikasikan bahwa mayoritas ulasan cenderung negatif, menyoroti ketidakpuasan konsumen terhadap layanan BPJS Kesehatan. Peningkatan akurasi yang signifikan dengan penerapan SMOTE dan XGBoost menunjukkan bahwa penanganan ketidakseimbangan kelas dan penguatan model melalui Boosting dapat memperbaiki kelemahan algoritma C5.0. Hal ini memperjelas pentingnya strategi ensemble dalam klasifikasi teks yang kompleks. Temuan ini menunjukkan bahwa penggunaan SMOTE dan XGBoost secara signifikan dapat meningkatkan performa model, membantu dalam memahami persepsi publik secara lebih akurat.]]>
Copyrights © 2025
