PERSEPSI MASYARAKAT MENGENAI ISU PENGHAPUSAN KELAS BPJS MENGGUNAKAN K-NEAREST NEIGHBOR
DOI:
https://doi.org/10.38048/jor.v6i1.6588Keywords:
Analisis Sentimen, BPJS, K-Nearest NeighborAbstract
Penelitian ini dilatarbelakangi oleh perubahan kebijakan BPJS Kesehatan terkait penghapusan kelas layanan dan penerapan KRIS yang menimbulkan beragam respons publik di media sosial, khususnya YouTube. Penelitian bertujuan menganalisis persepsi masyarakat terhadap kebijakan tersebut serta mengevaluasi efektivitas algoritma K-Nearest Neighbor (KNN) dalam klasifikasi sentimen. Metode penelitian dilakukan melalui studi literatur, pengumpulan data komentar YouTube dari kanal Liputan6 dan CNN menggunakan Netlytic, serta praolahan data yang meliputi cleansing, case folding, tokenisasi, stopword removal, dan stemming. Dataset yang dianalisis berjumlah 2.200 komentar, kemudian diklasifikasikan ke dalam sentimen positif, negatif, dan netral menggunakan KNN. Hasil penelitian menunjukkan bahwa komentar masyarakat didominasi sentimen negatif, terutama terkait kekhawatiran kenaikan iuran, ketidakadilan layanan, dan ketidakjelasan prosedur transisi BPJS ke KRIS. Evaluasi model KNN menunjukkan precision kelas negatif sebesar 1,00, tetapi recall kelas negatif rendah, yaitu 0,07, dengan F1-score keseluruhan 0,19, sehingga performa model belum optimal. Kesimpulannya, analisis sentimen berbasis KNN dapat memberikan gambaran awal persepsi publik terhadap kebijakan BPJS, tetapi masih memerlukan penyempurnaan pada representasi fitur dan parameter model agar hasil klasifikasi lebih akurat.
References
Apriliani, D., Susanto, A., Hidayattullah, M. F., & Sasmito, G. W. (2023). Sentimen analisis pandangan masyarakat terhadap vaksinasi Covid-19 menggunakan K-Nearest Neighbors. Jurnal Informatika: Jurnal Pengembangan IT, 8(1), 34–37. https://doi.org/10.30591/jpit.v8i1.4759
Budianti, R. P. N., Marvyna, H. C., & Sukaridhoto, S. (2024). Analyzing Twitter users’ sentiments on the surge of fuel oil prices in Indonesia using the K-Nearest Neighbor algorithm. E3S Web of Conferences, 482, 2004. https://doi.org/10.1051/e3sconf/202448202004
Diantoro, K., Soderi, A., Rohman, A., & Sitorus, A. T. (2023). Sentiment analysis of public opinion on the 2024 presidential election in Indonesia using Twitter data with the K-NN method. Digit: Journal of Computer Science Applications, 1(1), 1–10. https://doi.org/10.61978/digitus.v1i1.27
Dharmapatni, P. M. N., & Merawati, N. L. P. (2020). Penerapan algoritma support vector machine dalam sentimen analisis terkait kenaikan tarif BPJS Kesehatan. Jurnal Bumigora Information Technology, 2(2), 105–112. https://doi.org/10.30812/bite.v2i2.904
Firdaus, A. (2022). Aplikasi algoritma K-Nearest Neighbor pada analisis sentimen Omicron Covid-19. Jurnal Riset Statistika, 85–92. https://doi.org/10.29313/jrs.v2i2.1148
Fauziah, D. A., Maududie, A., & Nuritha, I. (2018). Klasifikasi berita politik menggunakan algoritma K-nearst Neighbor. Berkala Sainstek, 6(2), 106. https://doi.org/10.19184/bst.v6i2.9256
Geni, L., Yulianti, E., & Sensuse, D. I. (2023). Sentiment analysis of tweets before the 2024 elections in Indonesia using BERT language models. Jurnal Ilmiah Teknik Elektro Komputer dan Informatika, 9(3), 746–757. https://doi.org/10.26555/jiteki.v9i3.26490
Indrayuni, E., Nurhadi, A., & Kristiyanti, D. A. (2021). Implementasi algoritma Naive Bayes, support vector machine, dan K-Nearest Neighbors untuk analisa sentimen aplikasi Halodoc. Faktor Exacta, 14(2), 64. https://doi.org/10.30998/faktorexacta.v14i2.9697
Kurniawan, D., Purnomo, H. D., & Iriani, A. (2024). Analisis sentimen komentar konsumen industri jamu di media sosial menggunakan artificial neural network dan K-Nearest Neighbor. Jurnal Sistem Informasi Bisnis, 14(3), 210–223. https://doi.org/10.21456/vol14iss3pp210-223
Kusuma, I. H., & Cahyono, N. (2023). Analisis sentimen masyarakat terhadap penggunaan e-commerce menggunakan algoritma K-Nearest Neighbor. Jurnal Informatika: Jurnal Pengembangan IT, 8(3), 302–307. https://doi.org/10.30591/jpit.v8i3.5734
Lailany, A. A., & Lestari, S. (2024). Analisis sentimen publik terhadap penurunan jumlah pernikahan di Indonesia menggunakan algoritma K-Nearest Neighbors (KNN). Jurnal Indonesia Manajemen Informatika dan Komunikasi, 5(3), 3043–3053. https://doi.org/10.35870/jimik.v5i3.1000
Mara, A. T., Sediyono, E., & Purnomo, H. D. (2021). Penerapan algoritma K-Nearest Neighbors pada analisis sentimen metode pembelajaran dalam jaringan (DARING) di Universitas Kristen Wira Wacana Sumba. Jointer: Journal of Informatics Engineering, 2(1), 24–31. https://doi.org/10.53682/jointer.v2i01.30
Muhidin, D., & Wibowo, A. (2020). Perbandingan kinerja algoritma support vector machine dan K-Nearest Neighbor terhadap analisis sentimen kebijakan New Normal. STRING (Satuan Tulisan Riset dan Inovasi Teknologi), 5(2), 153. https://doi.org/10.30998/string.v5i2.6715
Prasetya, M. R. A., Priyatno, A. M., & Nurhaeni, N. (2023). Penanganan imputasi missing values pada data time series dengan menggunakan metode data mining. Jurnal Informasi dan Teknologi, 52–62. https://doi.org/10.37034/jidt.v5i2.324
Purnamawati, A., Winarto, M. N., & Mailasari, M. (2023). Analisis sentimen aplikasi TikTok menggunakan metode BM25 dan improved K-NN fitur chi-square. Jurnal Komtika (Komputasi dan Informatika), 7(1), 97–105. https://doi.org/10.31603/komtika.v7i1.8938
Puspita, R., & Widodo, A. (2021). Perbandingan metode KNN, decision tree, dan Naïve Bayes terhadap analisis sentimen pengguna layanan BPJS. Jurnal Informatika Universitas Pamulang, 5(4), 646. https://doi.org/10.32493/informatika.v5i4.7622
Rahayu, S., MZ, Y., Bororing, J. E., & Hadiyat, R. (2022). Implementasi metode K-Nearest Neighbor (K-NN) untuk analisis sentimen kepuasan pengguna aplikasi teknologi finansial FLIP. EDUMATIC: Jurnal Pendidikan Informatika, 6(1), 98–106. https://doi.org/10.29408/edumatic.v6i1.5433
Rahmiati, R., Irfan, D., Agustin, A., & Hediyati, S. (2020). Aplikasi pengukur tingkat sentimen pelanggan berdasarkan komplain pelanggan PLN menggunakan algoritma K-Nearest Neighbor. INOVTEK Polbeng - Seri Informatika, 5(2), 332. https://doi.org/10.35314/isi.v5i2.1467
Rinaldo, R. R., Pujiastuti, E., & Sukimin, S. (2022). Implikasi pengaturan sistem rujukan berjenjang terhadap pelayanan kesehatan perorangan. Semarang Law Review, 1(1), 1. https://doi.org/10.26623/slr.v1i1.2345
Sánchez, D., Viejo, A., & Batet, M. (2021). Penilaian otomatis kebijakan privasi berdasarkan GDPR.
Tupari, T., Abdullah, S., & Chairani, C. (2023). Visualisasi data analisa sentimen RUU Omnibus Law Kesehatan menggunakan KNN dengan software RapidMiner. Jurnal Informatika: Jurnal Pengembangan IT, 8(3), 261–268. https://doi.org/10.30591/jpit.v8i3.5641
Wijaya, T. N., Indriati, R., & Muzaki, M. N. (2021). Analisis sentimen opini publik tentang Undang-Undang Cipta Kerja pada Twitter. Jambura Journal of Electrical and Electronics Engineering, 3(2), 78–83. https://doi.org/10.37905/jjeee.v3i2.10885
Zamsuri, A., Defit, S., & Nurcahyo, G. W. (2023). Classification of multiple emotions in Indonesian text using the K-Nearest Neighbor method. Journal of Applied Engineering and Technological Science, 4(2), 1012–1021. https://doi.org/10.37385/jaets.v4i2.1964
