Analisis Sentimen Layanan Rumah Sakit di Purwokerto Berdasarkan Ulasan Google Maps Menggunakan Metode LSTM

Abstract

Persepsi Masyarakat terhadap layanan rumah
sakit terlihat dari ulasan yang ditulis secara daring, salah satunya
melalui platform Google Maps. Ulasan tidak hanya memberikan
informasi bagi calon pasien, tetapi juga mencerminkan
pengalaman subjektif yang dapat dimanfaatkan untuk evaluasi
layanan secara menyeluruh. Dalam penelitian ini, dilakukan
analisis sentimen terhadap ulasan rumah sakit yang ada di
wilayah Purwokerto, dengan menggunakan metode Long ShortTerm Memory (LSTM). Data yang digunakan berasal dari 17.261
ulasan berbahasa Indonesia yang dikumpulkan melalui proses
web scrapping. Tahapan analisis mencakup pre-processing teks,
seperti konversi karakter, pembersihan data, normalisasi,
tokenisasi, penghapusan stopword, dan stemming, serta pelabelan
sentimen menggunakan leksikon SenticNet dan penyeimbangan
data dengan metode Synthetic Minority Over-Sampling Technique
(SMOTE). Model LSTM yang dibangun dan dievaluasi
menggunakan metrik akurasi, precision, recall, dan f1-score.
Hasil model LSTM mampu mengklasifikasikan sentimen dengan
akurasi sebesar 86%, yang menunjukan model efektif dalam
memahami isi ulasan. Penelitian ini menunjukan bahwa deep
learning dapat dimanfaatkan untuk menganalisis opini publik,
khususnya di sektor kesehatan, dan bisa menjadi bahan
pertimbangan dalam upaya peningkatan kualitas layanan rumah
sakit.
Kata kunci— analisis sentimen, layanan rumah sakit, LSTM,
SMOTE, confusion matrix