<![CDATA[Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma Support Vector Machine (SVM) dan Naïve Bayes dalam mengklasifikasikan sentimen publik terhadap pelayanan BPJS menggunakan data dari Twitter. Data yang digunakan dalam penelitian ini dikumpulkan melalui API Twitter dengan kata kunci "BPJS", menghasilkan total 3.503 tweet. Proses preprocessing dilakukan untuk membersihkan dan mempersiapkan data, yang mencakup tahapan seperti cleaning, case folding, normalisasi kata, tokenization, stopword removal, dan stemming. Setelah preprocessing, data diberi label menggunakan metode lexicon-based, yang menghasilkan 1.572 tweet positif (44,88%), 1.247 tweet negatif (35,60%), dan 684 tweet netral (19,53%). Dataset kemudian dibagi dengan rasio 80:20 untuk pelatihan dan pengujian. Hasil menunjukkan bahwa SVM memiliki akurasi 79,32%, lebih tinggi dibandingkan Naïve Bayes yang hanya mencapai 61,63%. Selain itu, SVM juga unggul dalam precision dan recall untuk semua kategori sentimen, menegaskan keandalannya dalam analisis sentimen berbasis media sosial. Hasil penelitian ini dapat membantu pengambil kebijakan dan penyedia layanan kesehatan dalam memahami opini masyarakat serta meningkatkan pelayanan berbasis data.]]>
Copyrights © 2025
