ANALISIS SENTIMEN KEPUASAN MASYARAKAT TERHADAP PELAYANAN APLIKASI MOBILE JKN MENGGUNAKAN ALGORITMA NAÏVE BAYES

Abstract

Program Jaminan Kesehatan Nasional (JKN) yang diselenggarakan oleh BPJS Kesehatan memasuki masa transisi kebijakan Kelas Rawat Inap Standar (KRIS) berdasarkan Peraturan Presiden Nomor 59 Tahun 2024. Perubahan kebijakan tersebut memunculkan beragam tanggapan masyarakat yang tersebar pada ulasan aplikasi Mobile JKN di Google Play Store, namun tanggapan tersebut belum diolah menjadi informasi yang dapat digunakan sebagai bahan evaluasi layanan. Penelitian ini bertujuan mengklasifikasikan sentimen ulasan pengguna aplikasi Mobile JKN menggunakan algoritma Naïve Bayes serta mengimplementasikan hasil klasifikasi ke dalam sistem informasi berbasis web. Data dikumpulkan melalui teknik web scraping terhadap 4.000 ulasan berbahasa Indonesia pada periode 15 Juli sampai dengan 15 Agustus 2026 dan menghasilkan 2.675 ulasan hasil seleksi. Pelabelan dilakukan menggunakan dua pendekatan, yaitu rating pengguna dan kamus sentimen InSet, dengan verifikasi manual pada ulasan yang kedua pendekatannya menghasilkan label berbeda, sehingga diperoleh 751 ulasan berlabel positif dan negatif. Data diproses melalui tahapan cleaning, case folding, tokenizing, stopword removal, dan stemming, kemudian dibobotkan menggunakan TF-IDF. Hasil pengujian menunjukkan model Naïve Bayes memperoleh accuracy sebesar 90,07%, precision 90,57%, recall 90,07%, dan F1-score 89,99%, sedangkan pengujian 10-fold cross validation memperoleh rata-rata akurasi 90,68% dengan simpangan baku 2,60%. Sebaran sentimen menunjukkan 403 ulasan atau 53,7% bersentimen negatif dan 348 ulasan atau 46,3% bersentimen positif. Analisis kata paling berpengaruh menunjukkan keluhan pengguna terpusat pada proses autentikasi, khususnya pengiriman kode OTP dan verifikasi akun. Sistem informasi berbasis web yang dibangun berhasil melewati seluruh 12 skenario pengujian Black Box dan dapat digunakan secara berulang untuk menganalisis ulasan pengguna tanpa harus membacanya satu per satu.