Implementasi Text Mining dan Support Vector Machine untuk Analisis Sentimen Pelayanan Puskesmas

Abstract

Puskesmas sebagai fasilitas kesehatan tingkat pertama menghadapi keterbatasan dalam mengolah opini masyarakat yang tersebar di media sosial dan kanal daring secara sistematis dan real-time. Penelitian ini bertujuan mengembangkan sistem analisis sentimen berbasis text mining dan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan opini masyarakat terhadap pelayanan Puskesmas Gurgur Pardomuan, Kabupaten Aceh Tenggara, ke dalam tiga kategori: positif, negatif, dan netral, sekaligus mengimplementasikannya dalam sistem berbasis web sebagai alat bantu evaluasi pelayanan. Penelitian ini menggunakan pendekatan kuantitatif yang dikombinasikan dengan pendekatan rekayasa sistem (system engineering approach). Data primer diperoleh melalui kuesioner daring dan ulasan masyarakat di media sosial, kemudian diproses melalui empat tahap text preprocessing (case folding, tokenizing, stopword removal, stemming), diekstraksi fiturnya menggunakan pembobotan TF-IDF (Term Frequency–Inverse Document Frequency), dan diklasifikasikan dengan SVM kernel linear berstrategikan One-vs-Rest (OvR). Model dilatih pada 200 data berlabel dengan komposisi 70 data positif (35%), 68 negatif (34%), dan 62 netral (31%), serta dievaluasi menggunakan confusion matrix pada 10 data uji independen. Evaluasi menunjukkan akurasi keseluruhan 70%, dengan performa sempurna pada kelas negatif (precision 100%, recall 100%, F1-score 100%), namun kelas netral masih terbatas (precision 50%, recall 33,33%, F1-score 40%) akibat ketimpangan jumlah data latih antarkelas. Pada konfigurasi pengujian dengan 30 data latih dan kernel linear, model mencapai akurasi 90%, precision 89,50%, recall 90,20%, dan F1-score 89,80%. Seluruh fitur sistem — input komentar, training model, klasifikasi sentimen, dan ekspor laporan — berhasil divalidasi melalui black-box testing. Temuan penelitian ini menunjukkan bahwa pendekatan text mining berbasis SVM dapat menjadi alternatif yang lebih responsif dibandingkan survei manual untuk memantau persepsi masyarakat terhadap layanan kesehatan primer di wilayah pedesaan Indonesia.