ANALISIS SENTIMEN BERBASIS ALGORITMA RANDOM FOREST DAN VISUALISASI WEB TERHADAP ULASAN APLIKASI LAYANAN KESEHATAN

Abstract

Transformasi digital layanan kesehatan melalui aplikasi Mobile JKN menghasilkan volume ulasan pengguna yang masif namun tidak terstruktur. Masalah utama penelitian ini adalah ketidakseimbangan kelas ekstrem, di mana sentimen netral hanya berjumlah 0,51%, serta penggunaan bahasa slang yang menghambat performa klasifikasi. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pengguna dan memvisualisasikannya melalui prototipe web guna membantu evaluasi kualitas layanan. Sebanyak 165.694 ulasan periode 2020–Maret 2025 di olah menggunakan algoritma Random Forest. Ekstraksi fitur TF-IDF diperkuat dengan N-gram (1,2), sementara Knowledge-Based Normalization dan SMOTE digunakan untuk menangani slang serta ketidakseimbangan data. Optimalisasi model dilakukan melalui GridSearchCV dengan 3-fold Cross Validation. Hasil pengujian menunjukkan akurasi sebesar 87,09% dan Weighted F1-Score 0,87. Hasil klasifikasi diintegrasikan ke dalam dashboard interaktif JKN-SENTI berbasis Django untuk menyajikan visualisasi tren sentimen secara real-time.