Ulfa, Mahera (2022) ANALISIS SENTIMEN TERHADAP LAYANAN TELEMEDICINE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (413kB)
	Text Abstrak.pdf Download (213kB)
	Text Bab l.pdf Download (509kB)
	Text Daftar Pustaka.pdf Download (455kB)

Abstract

Perkembangan teknologi informasi menjadikan internet sebagai terobosan utama untuk mempermudah mencari informasi dan mempercepat pekerjaan. Begitu juga dengan bidang kesehatan (telemedicine) mulai bergerak didunia internet untuk memberikan pelayanan secara online. Layanan kesehatan secara online ini mempermudah dalam mengkonsultasi secara langsung dengan dokter ahli sesuai bidangnya, mempersingkat waktu dan biaya transportasi. Sekalipun banyak yang menggunakan aplikasi tersebut, terdapat ketidakpuasan terhadap layanan yang ditawarkan oleh pihak telemedicine. Karena pengguna aplikasi meningkat beserta keluhan-keluhan lainnya, sulit untuk mengetahui pendapat yang positif, negatif dan netral. Oleh karena itu, dilakukan analisis sentimen untuk mengklasifikasikan ulasan ke dalam kelas positif, negatif dan netral. Data yang digunakan pada penelitian ini, didapatkan dengan menggunakan scraping pada situs appfollow.io. Proses klasifikasi menggunakan metode Support Vector Machine dan pembobotan kata menggunakan bantuan metode Term Frequency-Inverse Document Frequency (TF-IDF). Tujuan dilakukan penelitian ini untuk menganalisa tingkat keakuratan data serta mengimplementasikan algoritma svm dalam mengklasifikasi sentimen. Hasil pengujian analisis sentiment menggunakan algoritma Support Vector Machine (SVM) dengan jumlah data training sebanyak 233 data dan data testing sebanyak 100 data pada komentar aplikasi Alodokter didapatkan hasil tingkat accuracy sebesar 91%, Presisi sebesar 55,2%, Recall sebesar 59,9%, dan F1-Score sebesar 57,3%. Pada aplikasi Halodoc didapatkan hasil accuracy sebesar 87%, presisi 54,1%, recall 40,4%, f1-score 42,2%. Sedangkan pada aplikasi Klikdokter didapatkan tingkat accuracy sebesar 84%, presisi 28%, recall 33,3%, f1-score 30,4%. Dari ketiga hasil pengujian tersebut menunjukkan layanan aplikasi Alodokter lebih akurat dibandingkan dengan aplikasi Halodoc dan Klikdokter. Ini juga dibuktikan dari tingkat akurasi yang lebih tinggi dan keseimbangan antara presisi, recall dan f1-score. Kata kunci : Analisis Sentimen, Telemedicine, Support Vector Machine, TF-IDF, Python

Item Type:	Thesis (S1)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Yolinda Cesilia
Date Deposited:	22 Nov 2023 07:29
Last Modified:	22 Nov 2023 07:29
URI:	https://rama.unimal.ac.id/id/eprint/246

Actions (login required)

View Item