Analisis Sentimen Ulasan Pengguna Aplikasi Kesehatan (Telemedicine) Sebagai Pendukung Keputusan Dalam Meningkatkan Kualitas Aplikasi Kesehatan
Abstract
Pengguna internet di Indonesia meningkat setiap tahunnya. Perangkat yang mendukung
dan banyak digunakan dalam mengakses internet adalah smartphone. Hal ini menjadikan
berkembangnya start-up atau bisnis yang mengembangkan sebuah aplikasi mobile yang
tersedia pada smartphone. Pada tahun 2020, terjadi pandemi global yang disebabkan
oleh virus covid-19. Adanya pandemi tersebut mengharuskan individu untuk menjaga
jarak dalam upaya menghindari penularan virus tersebut. Hal ini mengakibatkan
penggunaan aplikasi mobile menjadi sangat dibutuhkan, salah satunya adalah aplikasi
kesehatan telemedicine. Pengguna dari aplikasi tersebut mengalami peningkatan
jumlahnya, sehingga perlu adanya peningkatan kualitas pada aplikasi telemedicine
dengan memanfaatkan kolom komentar/ulasan yang diberikan pengguna melalui google
play store. Komentar/ulasan yang tersedia merupakan data tidak terstruktur sehingga
pendekatan yang dapat dilakukan untuk mengolah data tersebut adalah dengan analisis
sentimen. Pada penelitian ini, menggunakan pendekatan analisis sentimen untuk
menunjukkan gambaran umum terkait aplikasi telemedicine dan keluhan yang dialami
pengguna. Hasil penelitian menunjukkan pada periode Maret – Juni 2020 adalah sangat
suka terhadap aplikasi telemedicine berjumlah 84,3%, suka berjumlah 9%, netral
berjumlah 2,51%, tidak suka berjumlah 0,92%, dan sangat tidak suka berjumlah 3,27%.
Informasi yang didapatkan pada kelas sentimen positif untuk keseluruhan aplikasi
kesehatan (telemedicine) adalah aplikasi sangat membantu pengguna, selain itu aplikasi
memiliki respon yang cepat serta pelayanan yang sopan dan ramah. Pada kelas sentimen
negatif, informasi yang didapatkan, pengguna memberikan keluhan terkait data
pengguna, adanya promosi yang dilakukan dengan melakukan telepon secara berulang
kali, kegagalan dalam masuk aplikasi atau dalam melakukan pendaftaran, adanya
pelayanan yang diberikan tidak ramah, dan fitur beli obat. Pada ulasan negatif tersebut
teridentifikasi menjadi 16 buah keluhan yang kemudian dikelompokkan menjadi 5
kelompok yaitu people, price, process, product, dan promotion.
Collections
- Industrial Engineering [2235]