IDENTIFIKASI SENTIMEN PENGGUNA APLIKASI JKN BERBASIS TERM FREQUENCY-DOCUMENT FREQUENCY DAN SUPPORT VECTOR MACHINE

Alicia Mulya Maharani (Universitas Putra Indonesia YPTK Padang)
Musli Yanto (Universitas Putra Indonesia YPTK Padang)
Billy Hendrik (Universitas Putra Indonesia YPTK Padang)

JOURNAL OF SCIENCE AND SOCIAL RESEARCH
Vol. 9 No. 4 (2026): August 2026 (1)

Abstract: User reviews of the Jaminan Kesehatan Nasional (JKN) mobile application on app distribution platforms continue to increase in line with the growing use of digital health services in Indonesia. These reviews contain sentiments related to the application, yet they have not been systematically analyzed to reveal user perception and satisfaction toward the JKN application. This study aims to analyze sentiment in JKN application reviews by employing the Term Frequency–Inverse Document Frequency (TF-IDF) method combined with the Support Vector Machine (SVM) algorithm. The review data processing stage began with preprocessing, comprising cleaning, case folding, tokenization, stopword removal, and stemming, followed by weighting using TF-IDF to transform textual data into numerical data in accordance with word occurrence frequency. The weighting results then served as input for the SVM algorithm to construct a separating hyperplane between classes, thereby classifying reviews into positive or negative categories. The research dataset consisted of 10,000 JKN application user reviews obtained through scraping from the Google Play Store platform. The testing results showed an accuracy of 99.83%, precision of 99.92%, recall of 99.83%, and an F1-score of 99.87%. These results demonstrate that the combination of TF-IDF and SVM can produce highly accurate sentiment classification of JKN application user reviews. User perception and satisfaction obtained from this sentiment identification serve as an evaluative basis for JKN application administrators to encourage improvements in the quality of digital health services in Indonesia. Keyword: Sentiment Analysis, TF-IDF, JKN, Support Vector Machine, User Reviews.   Abstrak: Ulasan pengguna aplikasi Jaminan Kesehatan Nasional (JKN) pada platform distribusi aplikasi terus bertambah seiring meningkatnya penggunaan layanan kesehatan digital di Indonesia. Ulasan tersebut memuat sentimen terkait kualitas layanan, kemudahan penggunaan, dan kinerja fitur, namun belum dianalisis secara sistematis untuk mengetahui persepsi dan kepuasan pengguna terhadap aplikasi JKN. Sentimen dalam ulasan pengguna aplikasi JKN dianalisis menggunakan metode Term Frequency Inverse Document Frequency (TF-IDF) dan Support Vector Machine (SVM) sebagai tujuan dari penelitian ini. Tahapan untuk mengolah data ulasan pada penelitian ini merupakan preprocessing (cleaning, case folding, tokenization, stopword removal, dan stemming), disusul pembobotan memakai TF-IDF agar data teks bertransformasi menjadi data numerik selaras dengan frekuensi kemunculan kata. Hasil pembobotan menjadi input bagi algoritma SVM untuk membentuk hyperplane pemisah antar kelas, sehingga ulasan diklasifikasikan ke dalam kategori positif atau negatif. Dataset penelitian berjumlah 10.000 ulasan pengguna aplikasi JKN yang diperoleh melalui scraping dari platform Google Play Store. Hasil pengujian dari penelitian yaitu akurasi sebesar 99,83%, presisi 99,92%, recall 99,83%, dan F1-score 99,87%. Hasil dari pengujian tersebut membuktikan kombinasi TF-IDF dan SVM dapat menghasilkan klasifikasi sentimen ulasan pengguna aplikasi JKN dengan ketepatan tinggi. Gambaran mengenai persepsi dan kepuasan pengguna diperoleh dari hasil identifikasi sentimen ini untuk bahan evaluasi bagi pengelola aplikasi JKN guna mendorong peningkatan kualitas layanan kesehatan digital di Indonesia. Kata kunci: Analisis Sentimen, TF-IDF, JKN, Support Vector Machine, Ulasan Pengguna.