<![CDATA[Perkembangan teknologi informasi mendorong masyarakat untuk menyampaikan opini dan pengalaman terhadap layanan publik melalui platform digital, salah satunya Google Maps. Ulasan pengguna pada platform tersebut menjadi sumber data yang penting untuk mengevaluasi kualitas pelayanan rumah sakit. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Rumah Sakit Tarutung berdasarkan ulasan Google Maps menggunakan algoritma Naïve Bayes dengan pembobotan kata Term Frequency–Inverse Document Frequency (TF-IDF). Penelitian ini menggunakan pendekatan eksperimental dengan data berupa 250 ulasan pengguna yang dikumpulkan melalui teknik web scraping. Data teks diproses melalui tahapan praproses, meliputi case folding, tokenizing, stopword removal, dan stemming, untuk menghasilkan representasi teks yang lebih bersih dan relevan. Selanjutnya, fitur teks dibobotkan menggunakan metode TF-IDF dan diklasifikasikan ke dalam dua kategori sentimen, yaitu positif dan negatif, menggunakan algoritma Naïve Bayes. Evaluasi kinerja model dilakukan menggunakan confusion matrix dengan pembagian data latih sebesar 80% dan data uji sebesar 20%. Hasil penelitian menunjukkan bahwa 70% ulasan memiliki sentimen positif dan 30% memiliki sentimen negatif. Model klasifikasi menghasilkan tingkat akurasi sebesar 85%, dengan nilai presisi 83%, recall 86%, dan F1-score 84%. Hasil ini menunjukkan bahwa algoritma Naïve Bayes berbasis TF-IDF mampu mengklasifikasikan sentimen ulasan Google Maps secara efektif pada data teks berbahasa Indonesia. Temuan penelitian ini dapat dimanfaatkan sebagai bahan evaluasi kualitas pelayanan rumah sakit serta sebagai penerapan analisis sentimen dalam bidang text mining.]]>
Copyrights © 2025
