Analisis Ulasan Masyarakat Terhadap Aplikasi Mobile Jkn Pada Twitter Dengan Metode Support Vector Machine

Perkembangan teknologi digital telah membawa perubahan signifikan dalam
berbagai sektor, termasuk pelayanan kesehatan. Salah satu bentuk inovasi di
Indonesia adalah aplikasi Mobile Jaminan Kesehatan Nasional (Mobile JKN) yang
diluncurkan oleh BPJS Kesehatan untuk mempermudah masyarakat dalam
mengakses layanan kesehatan. Namun, seiring penggunaannya, banyak ulasan
masyarakat mengenai aplikasi ini tersebar di media sosial, khususnya Twitter.
Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap
Aplikasi Mobile Jaminan Kesehatan Nasional (JKN) di Twitter menggunakan
metode Support Vector Machine (SVM). Dengan pesatnya perkembangan
teknologi digital, Aplikasi Mobile JKN menjadi krusial dalam layanan kesehatan di
Indonesia. Namun, pengelolaan umpan balik pengguna masih bersifat tradisional,
sehingga ulasan di media sosial belum dimanfaatkan secara optimal untuk
perbaikan aplikasi. Data ulasan dikumpulkan dari Twitter (5.609 tweet dari Januari
2023 hingga Januari 2025) menggunakan Google Colab dan Twitter API, kemudian
melalui tahap pra-pemrosesan seperti cleaning, case folding, tokenizing, stopword
removal, stemming, dan normalisasi teks. Sentimen ulasan dilabeli menjadi positif,
negatif, atau netral, dengan pembobotan TF-IDF untuk konversi teks ke bentuk
numerik. Model SVM dievaluasi menggunakan berbagai rasio pembagian data latih
dan data uji (60:40, 70:30, 80:20, 90:10), serta diukur kinerjanya melalui metrik
akurasi, presisi, recall, dan F1-score dari confusion matrix.