<![CDATA[Aplikasi JKN Mobile merupakan platform layanan digital yang dibuat oleh BPJS Kesehatan untuk mempermudah peserta jaminan kesehatan nasional untuk mengakses atau mendapatkan layanan administrasi dan informasi kesehatan. Banyaknya ulasan pengguna pada Google Play Store dapat dimanfaatkan untuk memahami pendapat masyarakat tentang kualitas layanan, tetapi karena banyaknya data, mengolahnya secara manual terasa tidak efisien. Penelitian ini bertujuan mengklasifikasikan sentimen dari ulasan pengguna dengan menggunakan. algoritma XGBoost, mengidentifikasi distribusi sentimen berdasarkan aspek layanan melalui pendekatan Aspect-Based Sentiment Analysis (ABSA), serta mengembangkan dashboard visualisasi sebagai media monitoring hasil analisis. Dataset penelitian diperoleh melalui proses web scraping sebanyak 75.813 ulasan periode Januari 2025–April 2026. Setelah tahap preprocessing, diperoleh 72.176 data bersih, kemudian dilakukan pelabelan aspek berbasis kamus (rule-based) dan pelabelan sentimen berdasarkan nilai rating. Sebanyak 45.050 ulasan berhasil diklasifikasikan ke dalam empat aspek layanan dan digunakan sebagai data pelatihan. Ekstraksi fitur dilakukan menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), dilanjutkan pembagian data latih dan data uji dengan rasio 80:20 serta pelatihan model XGBoost menggunakan beberapa kombinasi hyperparameter. Hasil penelitian menunjukkan bahwa model klasifikasi aspek memperoleh akurasi sebesar 96,69% dengan Weighted F1-Score 96,64%, sedangkan model klasifikasi sentimen memperoleh akurasi sebesar 86,54% dengan Weighted F1-Score 84,35%. Hasil prediksi kemudian diintegrasikan ke dalam ABSA dan divisualisasikan melalui dashboard berbasis Streamlit sehingga mampu mendukung proses monitoring dan evaluasi layanan digital aplikasi JKN Mobile secara lebih efektif.]]>
Copyrights © 2026
