Analisis Sentimen dan Pemodelan Topik pada Feedback Pengguna Aplikasi Telemedicine Platform Android

Abstract

Telemedicine menjadi salah satu solusi dalam pelayanan kesehatan. Pandemi COVID-19, khususnya di Indonesia, membuat penggunaan dan perkembangan aplikasi telemedicine meningkat. Dalam kondisi tersebut, aplikasi telemedicine memberikan dampak positif sehingga pelayanan kesehatan dapat terus diberikan. Kemudahan yang didapatkan tentunya tidak akan ditinggalkan begitu saja. Menganalisis feedback pengguna aplikasi serta memahami sentimen dan pengalaman pengguna, dapat membantu meningkatkan kualitas aplikasi. Dengan menggunakan analisis sentimen dan analisis dari pemodelan topik feedback dapat mendeskripsikan topik-topik yang terdapat pada kelompok sentimen pengguna, sehingga kita dapat melihat konstruksi sentimen positif dan negatif dari pengguna. Sentimen positif dapat menjadi sebuah cerminan fungsionalitas yang dapat dipertahankan serta dikembangkan, sedangkan sentimen negatif dapat memberikan gambaran strategi perbaikan ke depan. Aplikasi telemedicine banyak tersedia di platform Android (Google Play Store), platform yang digunakan oleh mayoritas penduduk Indonesia. Penelitian ini melakukan analisis sentimen dan pemodelan topik pada feedback pengguna platform Android aplikasi telemedicine berbahasa Indonesia. Sumber data yang dikumpulkan merupakan feedback dari 5 aplikasi telemedicine terkemuka yaitu Yesdok, SehatQ, Klikdokter, Hallodok, Alodok. Pemodelan analisis sentimen menggunakan BiLSTM (Bidirectional Long Short-Term Memory). BiLSTM memiliki kinerja yang lebih baik dalam memahami konteks kalimat daripada LSTM karena memiliki dua layer proses pembelajaran (maju dan balik). Pemodelan topik terhadap kelompok sentimen dilakukan menggunakan LDA (Latent Dirichlect Allocation). Hasil scraping feedback pengguna didapatkan 244 ribu, feedback yang terkumpul dilakukan exploratory dan pelabelan menggunakan kamus lexicon InSet. Pelabelan sentimen menjadi tiga kelas, hasil pelabelan data yang dikumpulkan dari ke-5 aplikasi telemedicine sentimen pengguna lebih banyak positif yaitu 91.6%. Sehingga dapat disimpulkan bahwa aplikasi yang tersedia berhasil memenuhi kebutuhan masyarakat terhadap layananan kesehatan. Pemodelan sentimen memiliki akurasi terbaik yaitu skenario 1 yaitu 95.55%, model yang dibangun dapat memprediksi kelas minoritas dengan baik pada percobaan tambahan. Jumlah topik terbaik dari nilai coherence yaitu positif = 11 (0.57523), neutral = 4 (0.58446) dan negatif = 12 (0.80309). Beberapa keluhan pengguna pada topik sentimen negatif yaitu Process: Topik 2 (koneksi internet), Topik 4 (Gagal masuk aplikasi), Topik 5 (Pembelian Obat), Topik 6 (Keamanan Data), Topik 7 (Kode Verifikasi), Topik 11 (Auto Debit). People: Topik 3 (Dokter tidak solutif), Topik 8 (CS tidak ada konfirmasi pemotongan), Topik 9 (CS kurang responsif mengenai berhenti layanan), Topik 10 (Dokter Spesialis). Price Topik 1 (Pembayaran berhasil namun tidak dapat menggunakan layanan) dan Promotion: Topik 12 (Broadcast telepon asuransi dan permintaan data pribadi).