SENTIMENT ANALYSIS PENGGUNA AKAN TINGKAT ADOPSI APLIKASI KESEHATAN TERHADAP FAKTOR SECURITY, SOCIAL, DAN HEALTH UNTUK IBU HAMIL DI INDONESIA DENGAN SUPPORT VECTOR MACHINE DAN TOPIC MODELLING LATENT DIRICHLET ALLOCATION - Dalam bentuk buku karya ilmiah

RAFII DANDY ADITHYA

Informasi Umum

Kode

25.04.5217

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining

Dilihat

29 kali

Informasi Lainnya

Abstraksi

Peningkatan adopsi teknologi di sektor kesehatan telah mempermudah akses layanan bagi masyarakat, termasuk ibu hamil di Indonesia. Meskipun demikian, tingkat adopsi aplikasi kesehatan masih menghadapi tantangan signifikan terkait isu keamanan data, efektivitas fitur, dan pengaruh lingkungan sosial. Penelitian ini bertujuan untuk menganalisis secara mendalam sentimen pengguna terhadap aplikasi kesehatan khusus ibu hamil di Indonesia, dengan fokus pada tiga faktor utama: security, social, dan health. Analisis dilakukan terhadap ulasan pengguna yang dikumpulkan dari platform Google Play Store. Penelitian ini mengintegrasikan dua metode utama, yaitu Latent Dirichlet Allocation (LDA) untuk mengidentifikasi topik-topik yang paling sering dibicarakan pengguna, dan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan sentimen ulasan ke dalam kategori positif atau negatif. Proses analisis data meliputi beberapa tahapan, mulai dari pra-pemrosesan data, pemodelan topik, pelabelan sentimen, hingga evaluasi performa model menggunakan metrik confusion matrix, yang mencakup akurasi, presisi, recall, dan F1-score. Hasil analisis menunjukkan bahwa sentimen pengguna sangat bervariasi di ketiga faktor. Faktor health dan social didominasi oleh sentimen positif, yang menandakan bahwa pengguna merasa puas dengan fitur-fitur pemantauan kehamilan dan dukungan komunitas. Sebaliknya, faktor security menunjukkan sentimen yang cenderung negatif, terutama pada aspek performance risk dan privacy. Hal ini mengindikasikan adanya kekhawatiran signifikan terkait stabilitas aplikasi dan keamanan data. Evaluasi model SVM menunjukkan kinerja yang kuat, dengan akurasi mencapai 87%. Dengan mengintegrasikan LDA dan SVM, penelitian ini berhasil memetakan pola sentimen pengguna secara detail dan memberikan wawasan strategis bagi pengembang untuk meningkatkan kualitas layanan aplikasi kesehatan yang lebih aman, responsif, dan selaras dengan kebutuhan ibu hamil di Indonesia.