Art Original
Analisis Sentimen Berbasis Aspek Terhadap Pelayanan Rumah Sakit Menggunakan Metode K-nearest Neighbors Dan Naive Bayes
Rumah sakit merupakan organisasi yang menyediakan pelayanan medis profesional dengan fasilitas memadai, didukung oleh sikap dan perilaku tenaga medis yang mencerminkan profesionalisme serta komitmen tinggi, yang menjadi faktor utama dalam menjaga kepercayaan dan loyalitas pasien. Google Maps menyediakan informasi lokasi, rute, dan arah, serta ulasan pengguna yang dapat membantu memahami sentimen masyarakat terhadap suatu tempat. Namun, inkonsistensi antara rating dan komentar menunjukkan perlunya analisis lebih lanjut, khususnya pada ulasan layanan rumah sakit di Pekanbaru. Penelitian ini berfokus untuk melakukan pemodelan topik dan analisis sentimen berbasis aspek terhadap ulasan rumah sakit yang berada di Pekanbaru, di antaranya, Rumah Sakit Hermina, Awal Bros, Sansani, Santamaria, Syafira, Prima, Eka Hospital, Annisa, Arifin Ahmad, dan Aulia. Pemodelan topik dilakukan dengan tujuan memperoleh topik atau aspek pada komentar menggunakan Latent Dirichlet Allocation yang dievaluasi dan dianalisis menggunakan elbow method berdasarkan nilai coherence dan perplexity. Selanjutnya adalah melakukan analisis sentimen berbasis aspek berdasarkan aspek yang diidentifikasi pada pemodelan topik menggunakan 2 pendekatan machine learning, yaitu Naïve Bayes dan K-Nearest Neighbor yang dievaluasi dengan membandingkan nilai akurasi. Aspek yang diidentifikasi pada pemodelan topik, antara lain, aspek administrasi dan pelayanan. Hasil analisis sentimen berbasis aspek menunjukkan Naïve Bayes merupakan model klasifikasi terbaik pada seluruh tugas dengan akurasi sebesar 84,6% pada tugas klasifikasi aspek dan sebesar 91,9% pada aspek administrasi dan 96,7% pada aspek pelayanan pada tugas klasifikasi sentimen berbasis aspek.
No other version available