TEXT MINING UNTUK PENGKLASIFIKASIAN KOMENTAR MASYARAKAT MENGENAI BPJS KESEHATAN PADA TWITTER DENGAN METODE NAÏVE BAYES CLASSIFIER

• Main Author: Dyah Putri Tsaniyah, 081511833025
• Format: Theses and Dissertations NonPeerReviewed
• Language: Indonesian; English; Indonesian; Indonesian; Indonesian
• Published: 2019
• Subjects: Q Science (General); QA1 Mathematics (General)
• Online Access: http://repository.unair.ac.id/83924/1/ST%20S%2033-19%20Tsa%20t%20-%20ABSTRAK.pdf; http://repository.unair.ac.id/83924/2/ST%20S%2033-19%20Tsa%20t%20-%20ABSTRACT.pdf; http://repository.unair.ac.id/83924/3/ST%20S%2033-19%20Tsa%20t%20-%20DAFTAR%20ISI.pdf; http://repository.unair.ac.id/83924/4/ST%20S%2033-19%20Tsa%20t%20-%20DAFTAR%20PUSTAKA.pdf; http://repository.unair.ac.id/83924/5/ST%20S%2033-19%20Tsa%20t.pdf; http://repository.unair.ac.id/83924/; http://lib.unair.ac.id
• Institution: Universitas Airlangga

Seiring dengan perkembangan teknologi yang terjadi saat ini, masyarakat dapat memberikan komentar terhadap program pemerintah Indonesia melalui jejaring sosial Twitter. Badan Penyelenggara Jaminan Sosial (BPJS) Kesehatan adalah salah satu penyelenggara program jaminan kesehatan terbesar di Indonesia yang sering mendapat komentar baik berupa pengaduhan ataupun permintaan informasi dari masyarakat. Berdasarkan data yang ada sampai Januari 2019 jumlah peserta program Jaminan Kesehatan Nasional mencapai 215 juta jiwa setara dengan 80% dari jumlah penduduk Indonesia. Penelitian ini dilakukan dengan tujuan untuk mengetahui langkah-langkah dalam melakukan klasifikasi komentar masyarakat Indonesia dengan menggunakan algoritma dan program metode Naïve Bayes Classifier, mengetahui topik-topik yang sering diperbincangkan masyarakat Indonesia terkait dengan BPJS Kesehatan. Data berjumlah 1078 komentar berbahasa Indonesia yang di ambil dari twitter pada bulan Februari 2019 – Maret 2019 dibagi menjadi 80% data training dan 20% data testing. Berdasarkan data tersebut diperoleh hasil 37% komentar termasuk kedalam kategori kepesertaan dengan kata yang paling sering muncul adalah “kartu”, 45,6% komentar termasuk kedalam kategori pelayanan dengan kata yang paling sering muncul adalah “rumah sakit”, dan 17,4% komentar termasuk kedalam kategori tagihan dengan kata yang paling sering muncul adalah “bayar”. Hasil klasifikasi pada data training mendapatkan ketepatan klasifikasi sebesar 99%, dan pada data testing mendapatkan hasil dengan ketepatan klasifikasi sebesar 98%.