<![CDATA[Penelitian ini dilatarbelakangi oleh perubahan kebijakan BPJS Kesehatan terkait penghapusan kelas layanan dan penerapan KRIS yang menimbulkan beragam respons publik di media sosial, khususnya YouTube. Penelitian bertujuan menganalisis persepsi masyarakat terhadap kebijakan tersebut serta mengevaluasi efektivitas algoritma K-Nearest Neighbor (KNN) dalam klasifikasi sentimen. Metode penelitian dilakukan melalui studi literatur, pengumpulan data komentar YouTube dari kanal Liputan6 dan CNN menggunakan Netlytic, serta praolahan data yang meliputi cleansing, case folding, tokenisasi, stopword removal, dan stemming. Dataset yang dianalisis berjumlah 2.200 komentar, kemudian diklasifikasikan ke dalam sentimen positif, negatif, dan netral menggunakan KNN. Hasil penelitian menunjukkan bahwa komentar masyarakat didominasi sentimen negatif, terutama terkait kekhawatiran kenaikan iuran, ketidakadilan layanan, dan ketidakjelasan prosedur transisi BPJS ke KRIS. Evaluasi model KNN menunjukkan precision kelas negatif sebesar 1,00, tetapi recall kelas negatif rendah, yaitu 0,07, dengan F1-score keseluruhan 0,19, sehingga performa model belum optimal. Kesimpulannya, analisis sentimen berbasis KNN dapat memberikan gambaran awal persepsi publik terhadap kebijakan BPJS, tetapi masih memerlukan penyempurnaan pada representasi fitur dan parameter model agar hasil klasifikasi lebih akurat.]]>
Copyrights © 2026
