Implementasi Support Vector Machine Dan Naïve Bayes Classifier Pada Data Ulasan Aplikasi Kesehatan Indonesia ( Studi Kasus : Ulasan Alodokter Dan Halodoc Tahun 2021 Pada Google Play

Abstract

Keberadaan internet mempengaruhi pola kehidupan masyarakat , tak terkecuali dalam bidang kesehatan . Semenjak munculnya COVID - 19 , sebagian masyarakat lebih memperhatikan kesehatannya dan beberapa juga khawatir jika tertular virus tersebut . Telemedicine sebagai media pelayanan kesehatan jarak jauh, membantu masyarakat untuk berkonsultasi dengan dokter secara online. Alodokter dan Halodoc merupakan layanan telemedicine yang tersedia di Indonesia, aplikasi tersebut dapat diunduh melalui Google Play. Google Play menyediakan fitur penilaian berdasarkan pengalaman pengguna dalam menggunakan aplikasi. Teknik web crawling digunakan dalam pengumpulan data ulasan Alodokter dan Halodoc dari Google Play. Data ulasan diolah dalam tahap preprocessing, kemudian dilakukan pelabelan menjadi tiga kelas sentimen, yaitu sentimen positif, netral dan negatif. Selanjutnya, dianalisis menggunakan metode Support Vector Machine dan Naive Bayes Classifier. Hasil klasifikasi menggunakan Support Vector Machine dengan kernel linear diperoleh nilai akurasi sebesar 93.54 % pada ulasan Alodokter dan 91.94 % pada ulasan Halodoc . Sedangkan klasifikasi menggunakan Naïve Bayes Classifier menghasilkan nilai akurasi sebesar 91.93% pada ulasan Alodokter dan 93.45% pada aplikasi Halodoc.