Suwardi, Andreas (2021) Analisis Sentimen Opini Masyarakat Terhadap Aplikasi Telemedicine Menggunakan Algoritma Naïve Bayes dan Support Vector Machine. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
![[img]](https://kc.umn.ac.id/style/images/fileicons/text.png)
Abstract
Hadirnya teknologi membuat banyak masyarakat menggunakan smartphone untuk mencari informasi yang berhubungan dengan kesehatan. Jumlah pengguna smartphone meningkat dari 65,2 juta (2016) menjadi 90 juta (2019) dan Tercatat dalam 1 bulan terdapat 24.100 pencarian google dengan kata kunci "Kesehatan". Untuk memenuhi kebutuhan kesehatan masyarakat lahirlah aplikasi- aplikasi telemedicine. Aplikasi telemedicine adalah sebuah aplikasi yang memungkinkan masyarakat untuk melakukan konsultasi online dengan dokter, membeli obat secara online, membuat janji dengan RS atau dokter, membaca berita dan artikel yang berhubungan dengan kesehatan. Beberapa contoh aplikasi telemedicine yang digunakan pada penelitian ini adalah Halodoc, Alodokter dan Klikdokter. Langkah awal yang dilakukan adalah pengambilan opini publik berguna sebagai acuan bagaimana pandangan masyarakat mengenai aplikasi kesehatan saat ini. Opini ini juga berguna untuk pihak pengembang dalam melakukan tahap pengembangan yang selanjutnya. Pada penelitian ini pengambilan opini publik menggunakan fine-grained sentiment analysis yaitu sebuah cara untuk mengesktrak informasi berupa ulasan / review masyarakat terhadap sesuatu dan mengklasifikasikan opini tersebut kedalam kategori positif dan negatif. Pengambilan opini ini diawali dengan dilakukannya text mining di Twitter menggunakan hashtag dan mention yang berhubungan dan di Playstore dengan urutan most relevant, lalu dilakukan pre-processing dan klasifikasi menjadi 2 sentimen klasifikasi menggunakan algoritma Naïve Bayes Classification dan Support Vector Machine yang akan mendapatkan nilai akurasi dengan RapidMiner sebagai tools pendukung. Berdasarkan hasil pengujian 2 sumber (Twitter dan Playstore) dapat disimpulkan bahwa algoritma Support Vector Machine memiliki tingkat akurasi yang lebih besar dalam melakukan klasifikasi opini masyarakat dengan 90.99% dibandingkan dengan algoritma Naïve Bayes yang menghasilkan 88.55% akurasi.
| Item Type: | Thesis (Bachelor Thesis) |
|---|---|
| Keywords: | Fine-Grained Sentiment Analysis, Naïve Bayes, Opini, Telemedicine |
| Subjects: | 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.5 Application / Software |
| Divisions: | Faculty of Engineering & Informatics > Information System |
| SWORD Depositor: | Administrator UMN Library |
| Depositing User: | Administrator UMN Library |
| Date Deposited: | 24 Aug 2021 17:00 |
| Last Modified: | 02 Aug 2023 06:10 |
| URI: | https://kc.umn.ac.id/id/eprint/17051 |
Actions (login required)
 |
View Item |
