View/Open

Author

Advisor
Mika Alvionita S, S.Si., M.Si.,
Ira Safitri, S.Si, M.Si.,

Koleksi
Sains Data

Publisher

Peningkatan penggunaan aplikasi asuransi kesehatan berbasis digital di Indonesia menuntut adanya evaluasi terhadap kualitas layanannya, salah satunya melalui analisis sentimen pengguna. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi asuransi kesehatan menggunakan metode Support Vector Machine (SVM). Data yang digunakan merupakan 1000 ulasan pengguna yang diperoleh dari platform Google Play Store. Klasifikasi difokuskan pada dua kelas sentimen yaitu positif dan negatif dengan menghilangkan kelas netral untuk meningkatkan akurasi dan kestabilan model. Pelabelan data dilakukan menggunakan kamus Inset Lexicon yang efektif mendukung model dalam memahami konteks sentimen pada ulasan pengguna. Evaluasi model menunjukkan performa yang baik dengan akurasi mencapai 92,86% pada data pelatihan dan 92,44% pada data pengujian. Hasil ini menunjukkan bahwa metode SVM efektif dalam melakukan klasifikasi sentimen ulasan aplikasi asuransi kesehatan sehingga dapat memberikan kontribusi penting dalam pengembangan dan peningkatan kualitas layanan digital di bidang asuransi kesehatan.

URI
https://repo.itera.ac.id/depan/submission/SB2509090047

Keyword
Analisis Sentimen Aplikasi Asuransi Kesehatan Support Vector Machine (SVM) TF-IDF Lexicon-based