ANALISIS SENTIMEN TERHADAP RUMAH SAKIT DI PEKANBARU MENGGUNAKAN METODE NAÏVE BAYES
BERDASARKAN ULASAN DI GOOGLE MAPS
HALAMAN JUDUL SKRIPSI
OLEH:
ALDY AMRI DARMAWAN NIM: 1855201032
TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS LANCANG KUNING
PEKANBARU 2022
ii
HALAMAN PERSETUJUAN
NIM : 1855201032
Nama : Aldy Amri Darmawan
Program Studi : Teknik Informatika
Judul Skripsi : Analisis Sentimen Terhadap Rumah Sakit Di Pekanbaru Menggunakan Metode Naïve Bayes Berdasarkan Ulasan Di Google Maps
Pekanbaru, 12 Oktober 2022 Disetujui Oleh,
Pembimbing I
Roki Hardianto, M.Kom., MTA NIDN. 1010019202
Mengetahui,
Dekan Ketua Program Studi
Fakultas Ilmu Komputer Teknik Informatika
Dr. H. Fajrizal, S.P., M.Kom., MTA., MCF
Dr. Yogi Yunefri, M.Kom., MTA., MCE
NIDN. 1024076201 NIDN. 1022068803
iii
HALAMAN PENGESAHAN
NIM : 1855201032
Nama : Aldy Amri Darmawan
Program Studi : Teknik Informatika
Judul Skripsi : Analisis Sentimen Terhadap Rumah Sakit Di Pekanbaru Menggunakan Metode Naïve Bayes Berdasarkan Ulasan Di Google Maps
Skripsi ini telah dipertahankan di hadapan Tim Dewan Penguji Pada Tanggal 13 Juli 2022 sebagai persyaratan untuk mendapatkan gelar Sarjana Komputer
(S.Kom)
Susunan Tim Dewan Penguji, Ketua
Roki Hardianto, M.Kom., MTA NIDN. 1010019202
Anggota Anggota
Ahmad Zamsuri, M.Kom., MTA., MCF Yogi Ersan Fadrial, M.Kom., MTA NIDN. 1007078602 NIDN. 1027109202
Mengetahui,
Dekan Ketua Program Studi
Fakultas Ilmu Komputer Teknik Informatika
Dr. H. Fajrizal, S.P., M.Kom., MTA., MCF Dr. Yogi Yunefri, M.Kom., MTA., MCE
NIDN. 1024076201 NIDN. 1022068803
iv
PERNYATAAN KEASLIAN SKRIPSI
Nama : Aldy Amri Darmawan
Nim : 1855201032
Program Studi : Teknik Informatika
Judul Skripsi : Analisis Sentimen Terhadap Rumah Sakit Di Pekanbaru Menggunakan Metode Naïve Bayes Berdasarkan Ulasan Di Google Maps
Dengan ini saya menyatakan bahwa dalam Skripsi ini tidak terdapat karya yang pernah diajukan untuk memperoleh gelar sarjana di suatu Perguruan Tinggi, dan sepanjang pengetahuan saya juga tidak terdapat Karya/Pendapat yang pernah ditulis oleh orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan disebutkan dalam Daftar Pustaka.
Apabila ditemukan suatu jiplakan/plagiat, maka saya bersedia menerima akibat berupa sanksi Akademik dan sanksi lain yang diberikan oleh yang berwenang sesuai ketentuan peraturan dan perundang-undangan yang berlaku.
Pekanbaru,04 Juli 2022 Yang Membuat Pernyataan
Aldy Amri Darmawan 1855201032
v
HALAMAN PERSEMBAHAN
Sembah sujud serta syukur kepada Allah Subhanallahu wa Ta’ala yang telah memberikanku kekuatan, membekaliku dengan ilmu serta cinta. Atas karunia serta kelancaran yang Engkau berikan akhirnya skripsi yang sederhana ini dapat
terselesaikan. Shalawat dan salam selalu terlimpahkan kepada Rasulullah Muhammad Shallalahu ‘Alahi Wa Sallam.
Kupersembahkan karya sederhana ini kepada orang yang sangat kukasihi dan kusayangi.
Ibunda dan Ayahanda Tercinta
Sebagai tanda bakti, hormat dan rasa terima kasih yang tiada terhingga kupersembahkan karya kecil ini kepada Ibu (Rosmiyanti) dan Ayah (Darmawan)
yang telah mendoakan, memberikan kasih sayang, dukungan, ridho dan cinta kasih yang tiada terhingga yang tidak mungkin dapat kubalas hanya dengan selembar kertas yang bertuliskan kata persembahan. Semoga ini menjadi langkah awal untuk membuat Ibu dan Ayah bahagia karena kusadar selama ini belum bisa berbuat lebih. Untuk Ibu dan Ayah yang selalu membuatku termotivasi dan selalu menyirami kasih sayang, selalu mendoakanku, selalu menasehatiku serta selalu
meridhoiku melakukan hal yang lebih baik, Terima Kasih Ibu... Terima Kasih Ayah...
Teman-teman
Buat kawan-kawanku ( Khusus nya kelas TI1) yang selalu memberikan motivasi, nasehat dan dukungan moral yang selalu membuatku semangat untuk menyelesaikan Skripsi ini. Terima kasih kawan-kawanku kalian telah memberikan
banyak hal tak terlupakan kepadaku. Terima Kasih...
Dosen Pembimbing Skripsi
Roki Hardianto, M.Kom., MTA selaku dosen pembimbing skripsi saya, terima kasih banyak pak sudah membantu membimbing selama pembuatan Skripsi,
menasehati, mengajari dan mengarahkan saya sampai skripsi ini selesai.
vi
KATA PENGANTAR
Puji syukur penulis ucapkan kepada Tuhan Yang Maha Kuasa yang telah melimpahkan rahmat dan karunia-Nya kepada penulis, sehingga dapat menyelesaikan laporan Skripsi yang berjudul “Analisis Sentimen Terhadap Rumah Sakit Di Pekanbaru Menggunakan Metode Naïve Bayes Berdasarkan Ulasan Di Google Maps” ini dapat terselesaikan.
Penyusunan Laporan Skripsi Merupakan salah satu syarat untuk menyelesaikan mata kuliah Skripsi. Dengan laporan Skripsi ini diharapkan bisa membantu mahasiswa untuk menambah wawasan dan menerapkan ilmu–ilmu yang selama ini telah diperoleh di bangku kuliah serta dapat memberikan masukan yang berguna bagi kita.
Penulis menyadari bahwa masih banyak kekurangan dan kekeliruan dalam penulisan laporan ini. Untuk itu penulis mengharapkan kritik dan saran yang bersifat membangun. Akhir kata penulis mengucapkan terimakasih atas dukungan, semangat serta bimbingan dari berbagai pihak. Penulis ingin mengucapkan terimakasih kepada :
1. Bapak Fajrizal, S.P., M.Kom., MTA., MCF sebagai Dekan Fakultas Ilmu Komputer Universitas Lancang Kuning.
2. Bapak Ahmad Zamsuri, M.Kom., MTA., MCF sebagai Wakil Dekan I Fakultas Ilmu Komputer Universitas Lancang Kuning.
3. Ibu Lucky Lhaura Van FC, M.Kom., MTA sebagai Wakil Dekan II Fakultas Ilmu Komputer Universitas Lancang Kuning
4. Bapak Muhammad Sadar, S.E., M.Kom., MTA., MCF sebagai Wakil
vii
Dekan III Fakultas Ilmu Komputer Universitas Lancang Kuning.
5. Bapak Dr. Yogi Yunefri, M.Kom., MTA., MCE selaku Ketua Program Studi Teknik Informatika Universitas Lancang Kuning.
6. Bapak Roki Hardianto, M.Kom., MTA selaku Dosen Pembimbing yang telah memberi ilmu dan pengetahuan selama menyusun laporan ini.
7. Bapak/Ibu Dosen Fakultas Ilmu Komputer Universitas Lancang Kuning yang telah memberi ilmu dan pengetahuan selama ini.
8. Orang tua dan keluarga penulis yang selalu memberikan dukungan, doa, dan harapan, sehingga penulis dapat menyelesaikan laporan Skripsi dengan baik.
9. Teman-teman seperjuangan, yang telah memberikan semangat yang membuat penulis sangat bersemangat dan memberikan motivasi yang sangat berharga.
Demikian laporan ini saya susun, semoga dapat bermanfaat bagi siapapun yang membacanya, akhir kata penulis mengucapkan banyak terima kasih.
Pekanbaru, 08 Juli 2022
Penulis
viii
ANALISIS SENTIMEN TERHADAP RUMAH SAKIT DI PEKANBARU MENGGUNAKAN METODE NAÏVE BAYES
BERDASARKAN ULASAN DI GOOGLE MAPS
UDULAldy Amri Darmawan1, Roki Hardianto2
Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Lancang Kuning Jl. Yos Sudarso KM. 8 Rumbai, Pekanbaru, Riau, telp. 0811 753 2015
e-mail: 1[email protected], 2[email protected]
Abstrak
Banyaknya ulasan dari para pasien dan pengunjung maka membutuhkan waktu yang lama untuk mengulas satu per satu. Oleh karena itu untuk mengumpulkan ulasan dan menganalisis dengan jumlah data berskala besar diperlukan suatu teknik. Salah satu teknik yang dapat dilakukan untuk menyelesaikan masalah ini adalah Analisis Sentimen.
Penelitian ini menghasilkan sentimen positif dan negatif pada masing-masing Rumah Sakit. Untuk RS01 total 148 teks dengan sentimen positif sebanyak 86 teks dan negatif sebanyak 62 teks. Untuk RS02 total 172 teks dengan sentimen positif sebanyak 122 teks dan negatif sebanyak 50 teks. Untuk RS03 total 353 teks dengan sentimen positif sebanyak 64 teks dan sentimen negatif sebanyak 289 teks. Untuk RS04 total 352 teks dengan sentimen positif sebanyak 342 teks dan negatif sebanyak 10 teks. Untuk RS05 total 220 teks dengan sentimen positif sebanyak 217 teks dan negatif sebanyak 3 teks.
Untuk RS06 total 147 teks dengan sentimen positif sebanyak 128 teks dan negatif sebanyak 19 teks. Untuk RS07 total 243 teks dengan sentimen positif sebanyak 202 teks dan negatif sebanyak 41 teks. Untuk RS08 total 115 teks dengan sentimen positif sebanyak 100 teks dan negatif sebanyak 15 teks. Untuk RS09 total 155 teks dengan sentimen positif sebanyak 142 teks dan negatif sebanyak 13 teks. Untuk RS10 total 205 teks dengan sentimen positif sebanyak 186 teks dan negatif sebanyak 19 teks. Untuk RS11 total 239 teks dengan sentimen positif sebanyak 17 teks dan negatif sebanyak 222 teks.
Berdasarkan hasil klasifikasi sentimen dari beberapa Rumah Sakit yang ada di Kota Pekanbaru, Rumah Sakit Eka Hospital dengan 352 teks ulasan terdapat sebanyak 342 sentimen positif, sehingga Rumah Sakit ini dapat dikategorikan sebagai Rumah Sakit yang pelayanan dan fasilitasnya terbaik berdasarkan ulasan dari para pengunjung dan pasien Rumah Sakit tersebut.
Kata kunci: Data Mining, Analisis Sentimen, Naïve Bayes, Goggle collaboratory
Abstract
The number of reviews from patients and visitors so it takes a long time to review one by one. Therefore, to collect reviews and analyze large-scale data, a technique is needed.
One technique that can be used to solve this problem is Sentiment Analysis. This research
ix
produces positive and negative sentiments for each hospital. For RS01, there are a total of 148 texts with 86 positive sentiments and 62 negative texts. For RS02 a total of 172 texts with 122 positive sentiments and 50 negative texts. For RS03 a total of 353 texts with 64 positive sentiments and 289 negative sentiments. For RS04 a total of 352 texts with positive sentiments as many as 342 texts and 10 negative texts. For RS05, there are a total of 220 texts with 217 positive sentiments and 3 negative texts. For RS06 a total of 147 texts with positive sentiments as many as 128 texts and 19 texts negative. For RS07 a total of 243 texts with 202 positive sentiments and 41 negative texts. For RS08 a total of 115 texts with 100 positive sentiments and 15 negative texts. For RS09 a total of 155 texts with 142 positive sentiments and 13 negative texts. For RS10 a total of 205 texts with 186 positive sentiments and 19 negative texts. For RS11, there are a total of 239 texts with 17 positive sentiments and 222 negative texts. Based on the results of sentiment classification from several hospitals in Pekanbaru City, Eka Hospital Hospital with 352 review texts contained 342 positive sentiments, so this hospital can be categorized as a hospital with the best services and facilities based on reviews from visitors and patients.
Keywords: Data Mining, sentiment analysis, Naïve Bayes, Goggle collaboratory
x DAFTAR ISI
Halaman
HALAMAN JUDUL ... i
HALAMAN PERSETUJUAN ... ii
HALAMAN PENGESAHAN ... iii
HALAMAN PERNYATAAN KEASLIAN KARYA ILMIAH………iv
HALAMAN MOTTO ATAU PERSEMBAHAN………..v
KATA PENGANTAR ... vi
ABSTRAK………viii
DAFTAR ISI ... x
DAFTAR TABEL ... xii
DAFTAR GAMBAR ... xiii
BAB I PENDAHULUAN ... 1
A. Latar Belakang ... 1
B. Rumusan Masalah ... 3
C. Batasan Masalah ... 3
D. Tujuan Penelitian ... 5
E. Manfaat Penelitian ... 5
F. Sistematika Penulisan ... 6
BAB II TINJAUAN PUSTAKA ... 8
A. Tinjauan Penelitian Terdahulu ... 8
B. Teori Dasar yang Digunakan ... 15
1. Analisis Sentimen ... 15
2. Google Maps Review... 16
xi
3. Text Mining ... 17
4. Text Processing ... 18
5. Klasifikasi Dengan Metode Naïve Bayes ... 19
6. Rumah Sakit ... 20
7. Term Frecuency-Inverse Document Frecuency (TF-IDF) ... 20
8. Python ... 21
9. Google Colaboratory ... 21
BAB III METODOLOGI PENELITIAN ... 22
A. Tahapan-tahapan Penelitian ... 22
B. Lokasi dan Waktu Penelitian ... 28
C. Data Yang Digunakan ... 28
D. Metode Yang Digunakan ... 29
BAB IV GAMBARAN UMUM OBJEK PENELITIAN ... 31
A. Sejarah Umum Objek Penelitian ... 31
B. Logo ... 32
BAB V HASIL DAN PEMBAHASAN ... 33
A. Analisis dan Pengumpulan Data ... 33
B. Implementasi dan Analisis Hasil ... 35
BAB VI PENUTUP ... 60
A. Kesimpulan ... 60
B. Saran ... 61
DAFTAR PUSTAKA ... 63
LAMPIRAN ... 65
xii
DAFTAR TABEL
Halaman
Tabel 5.1 Total Data Teks Sampel Ulasan Rumah Sakit ... 33
Tabel 5.2 Deskripsi Import Library ... 37
Tabel 5.3 Hasil Klasifikasi RS Aulia Hospital... 47
Tabel 5.4 Jumlah Ulasan Sentimen Positif dan Negatif Rumah Sakit ... 53
xiii
DAFTAR GAMBAR
Halaman
Gambar 3.1 Tahapan Penelitian ... 22
Gambar 4.1 Logo Google Maps ... 32
Gambar 5.1 Tools Google Colaboratory ... 36
Gambar 5.2 Import Library ... 37
Gambar 5.3 Pemanggilan Dataset ... 37
Gambar 5.4 Daftar Data Rumah Sakit ... 38
Gambar 5.5 Dataset Head (RS Aulia Hospital) ... 38
Gambar 5.6 Sub Program “Cleansing” ... 39
Gambar 5.7 Implementasikan Sub Program “Cleansing”... 40
Gambar 5.8 Dataset Head (RS Aulia Hospital) Dengan Proses Cleansing ... 40
Gambar 5.9 Menginstall Library Sastrawi ... 40
Gambar 5.10 Dataset (RS Aulia Hospital) Dengan StopWordRemover ... 41
Gambar 5.11 Dataset (RS Aulia Hospital) Dengan Proses Stemming ... 43
Gambar 5.12 Dataset (RS Aulia Hospital) Dengan Proses FilterbyLenght ... 44
Gambar 5.13 Cell Code Pembuatan Data Testing dan Data Training ... 45
Gambar 5.14 Cell Code TfidfVectorizer ... 46
Gambar 5.15 Cell Code Prediksi Klasifikasi Dengan Metode Naïve Bayes .... 47
Gambar 5.16 Cell Code Visualisasi Wordcloud ... 51
Gambar 5.17 Visualisasi Wordcloud RS Aulia Hospital (Positif) ... 51
Gambar 5.18 Visualisasi Wordcloud RS Aulia Hospital (Negatif)... 52
Gambar 5.19 Visualisasi Wordcloud RS Awal Bros A.Yani ... 53
Gambar 5.20 Visualisasi Wordcloud RS Awal Bros Sudirman ... 54
xiv
Gambar 5.21 Visualisasi Wordcloud RS Eka Hospital ... 54
Gambar 5.22 Visualisasi Wordcloud RS Hermina ... 55
Gambar 5.23 Visualisasi Wordcloud RS Ibnu Sina ... 56
Gambar 5.24 Visualisasi Wordcloud RS Prima ... 56
Gambar 5.25 Visualisasi Wordcloud RS Sansani ... 57
Gambar 5.26 Visualisasi Wordcloud RS Santa Maria ... 58
Gambar 5.27 Visualisasi Wordcloud RS Syafira ... 58
Gambar 5.28 Visualisasi Wordcloud RSUD Arifin Achmad ... 59
BAB I PENDAHULUAN BAB I PENDAHULUAN A. Latar Belakang
Rumah sakit adalah suatu organisasi yang dilakukan oleh tenaga medis profesional yang terorganisir baik dari sarana prasarana kedokteran yang permanen, pelayanan kedokteran, asuhan keperawatan yang berkesinambungan, diagnosis serta pengobatan penyakit yang diderita oleh pasien (Supartiningsih, 2017). Di Kota Pekanbaru saat ini terdapat setidaknya beberapa rumah sakit yang besar dan memiliki fasilitas yang sangat memadai yang sangat memungkinkan untuk menampung rujukan pasien. Rumah sakit mempunyai berbagai macam jenis pelayanan kesehatan yang dapat diunggulkan untuk mempertahankan loyalitas pasien. Selain dari fasilitas yang memadai, tidak terlepas pula pelayanan tenaga medisnya yang merupakan penilaian paling utama dari kepercayaan bagi para pasien. Mutu pelayanan yang baik tidak hanya diukur dari kemewahan fasilitas, kelengkapan teknologi dan penampilan fisik akan tetapi dari sikap dan perilaku karyawan harus mencerminkan profesionalisme dan mempunyai komitmen tinggi.
Pada kenyataanya, tidak sedikit dari pasien maupun pengunjung pada beberapa rumah sakit yang ada di Kota Pekanbaru memberikan komentar ataupun review mengenai apa yang mereka rasakan pada rumah sakit tersebut. Review terhadap rumah sakit di Kota Pekanbaru yang ada pada Google Maps Review bermunculan dengan tujuan untuk mengkritik ataupun memberikan saran serta memperbaiki lingkungan rumah sakit, fasilitas pasien, dan fasilitas dalam konteks konsumerisme. Banyaknya ulasan dari para pasien dan pengunjung maka
2 membutuhkan waktu yang lama untuk mengulas satu per satu. Oleh karena itu untuk mengumpulkan ulasan dan menganalisis dengan jumlah data berskala besar diperlukan suatu teknik. Salah satu teknik yang dapat dilakukan untuk menyelesaikan masalah ini adalah Analisis Sentimen.
Sentiment analisis adalah proses penggunaan text analytics untuk mendapatkan berbagai sumber data dari internet dan beragam platform media sosial fokus utamanya adalah menganalisa dokumen teks untuk memperoleh opini dari pengguna yang terdapat pada beragam platform media sosial (Suparyati &
Fathurahman, 2022).
Google Maps memberikan informasi mengenai arah, lokasi, dan rute terbaik yang bisa dipilih untuk menuju suatu tempat ingin dikunjungi. Review yang dilakukan akan menggiring opini kita untuk mengetahui sejauh mana tempat tersebut disukai atau tidak. Tentunya hal ini menjadi pertimbangan bagi pihak- pihak tertentu yang ingin mengetahui seberapa baik sentimen atau opini yang diberikan masyarakat terhadap tempat tersebut. Sementara penulis menganggap rating dan komentar yang diberikan tidak sesuai, karena masih banyak pengunjung yang memberikan ulasan bintang 5 tetapi disertai dengan komentar yang tidak pantas yang tentunya hal ini menjadi sebuah pertimbangan bagi masyarakat (Erfina & Wardani, 2022).
Pada penelitian ini memberikan pendapat dari para pasien dan pengunjung untuk mengetahui tingkat persentase komentar positif, dan negatif terhadap fasilitas maupun pelayanan dari beberapa rumah sakit yang ada di Kota Pekanbaru. Melalui penelitian ini, kita dapat mengetahui bagaimana klasifikasi
3 tanggapan pasien dan pengunjung terhadap review pelayanan dan fasilitas rumah sakit sebagai bahan masukan dan evaluasi bagi beberapa rumah sakit yang ada di Kota Pekanbaru dengan menerapkan algoritma Naïve Bayes sehingga dapat meningkatkan kembali pelayanan serta fasilitas yang ada agar tetap menjadi rumah sakit yang terpercaya bagi masyarakat. Oleh karena itu, penulis mengangkat penelitian dengan judul “Analisis Sentimen Terhadap Rumah Sakit Di Pekanbaru Menggunakan Metode Naïve Bayes Berdasarkan Ulasan Di Google Maps”.
B. Rumusan Masalah
Berdasarkan latar belakang masalah yang telah diuraikan, maka terdapat beberapa permasalahan yang akan dibahas dari tugas akhir ini adalah sebagai berikut:
1. Bagaimana menganalisis opini ataupun review dari pasien ataupun pengunjung rumah sakit mengenai pelayanan serta fasilitas yang ada di beberapa rumah sakit di Kota Pekanbaru menggunakan algoritma Naïve Bayes?
2. Bagaimana visualisasi dari metode klasifikasi Naïve Bayes dalam analisis sentimen terhadap review mengenai pelayanan serta fasilitas yang ada di beberapa Rumah Sakit di Kota Pekanbaru yang terdapat pada Google Maps Review?
C. Batasan Masalah
Batasan masalah digunakan untuk menghindari penyimpangan dalam proses penelitian ini adalah sebagai berikut :
4 1. Kategori sentimen meliputi sentimen positif dan negatif terhadap aspek yang diuji yaitu pelayanan dan fasilitas di beberapa rumah sakit yang ada di Kota pekanbaru dengan data yang menggunakan bahasa Indonesia.
2. Sumber data review didapatkan dari Google Maps Review berdasarkan ulasan hingga 10 tahun terakhir.
3. Rumah Sakit di Kota Pekanbaru yang dijadikan studi kasus adalah sebagai berikut :
a. Rumah Sakit Umum Daerah Provinsi Riau Arifin Achmad b. Rumah Sakit Aulia Hospital
c. Rumah Sakit Awal Bros A. Yani d. Rumah Sakit Awal Bros Sudirman e. Rumah Sakit Eka Hospital
f. Rumah Sakit Hermina g. Rumah Sakit Ibnu Sina h. Rumah Sakit Prima i. Rumah Sakit Sansani j. Rumah Sakit Santa Maria k. Rumah Sakit Syafira
4. Analisis sentimen menggunakan metode klasifikasi Algoritma Naïve Bayes serta tampilan Wordcloud.
5. Tools yang digunakan untuk pengujian perhitungan analisis sentimen dalam penelitian adalah Google Colaboratory.
5 D. Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah sebagai berikut :
1. Untuk menganalisis opini ataupun review dari pasien ataupun pengunjung Rumah Sakit mengenai pelayanan serta fasilitas yang ada di beberapa rumah sakit di Kota Pekanbaru menggunakan algoritma Naïve Bayes.
2. Membuat visualisasi dari metode klasifikasi Naïve Bayes dalam analisis sentimen terhadap review mengenai pelayanan serta fasilitas yang ada di beberapa Rumah Sakit di Kota Pekanbaru yang terdapat pada Google Maps Review.
E. Manfaat Penelitian
Manfaat dalam penelitian ini dapat di bagi menjadi beberapa manfaat yaitu:
1. Bagi Penulis
a. Memperluas pengetahuan penulis/peneliti mengenai text mining analisis sentimen dan juga teknik data mining klasifikasi dengan metode Naïve Bayes.
b. Dapat membandingkan antara teori yang didapat dari jurnal maupun perkuliahan dengan analisis yang akan dibuat.
c. Meningkatkan pengetahuan serta pengalaman untuk memenuhi sebagai persyaratan dalam menyelesaikan skripsi.
6 2. Bagi Tempat Penelitian
Hasil penelitian diharapkan dapat membantu beberapa Rumah Sakit yang dijadikan sebagai studi kasus untuk dapat mengevaluasi pelayanan dan fasilitas yang diberikan kepada pasien dan pengunjung.
3. Bagi Pembaca
Dapat menjadi sumber referensi dan menambah wawasan dalam pencarian informasi mengenai analisa sentimen review pelayanan dan fasilitas rumah sakit menggunakan metode Naïve Bayes serta pengujiannya dengan Google Colaboratory.
F. Sistematika Penulisan
Sistematika Penulisan laporan ini disusun dalam beberapa bab dan sub bab, Adapun sistematika penulisan skripsi ini sebagai berikut :
BAB I PENDAHULUAN
Dalam bab ini berisi uraian tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Pada bab ini berisi tentang landasan teori mengenai permasalahan yang sedang dibahas.
BAB III METODOLOGI PENELITIAN
Pada bab ini berisi serangkaian tahap/langkah yang logis dan tersruktur untuk menyelesaikan penelitian dari awal hingga hasil yang didapat.
7 BAB IV JADWAL PELAKSANAAN PENELITIAN
Bab ini berisikan tentang jadwal agenda penelitian.
DAFTAR PUSTAKA LAMPIRAN
BAB VI PENUTUP BAB VI PENUTUP A. Kesimpulan
Berdasarkan penelitian yang telah dilakukan penulis, maka dapat disimpulkan dari penelitian yang berjudul “Analisis Sentimen Terhadap Rumah Sakit Di Pekanbaru Menggunakan Metode Naïve Bayes Berdasarkan Ulasan Di Google Maps” yang telah dibuat adalah sebagai berikut :
1. Pada penelitian ini menghasilkan output visualisasi dari metode klasifikasi Naïve Bayes dalam analisis sentimen terhadap review mengenai pelayanan serta fasilitas yang ada di beberapa Rumah Sakit di Kota Pekanbaru yang terdapat pada Google Maps Review dan penerapan langsung dengan bahasa pemrograman Python pada Tools Google Colaboratory. Visualisasi yang ditampilkan berupa Wordcloud dari klasifikasi sentimen positif dan juga negatif.
2. Pada penelitian ini menghasilkan sentimen positif dan negatif pada masing-masing Rumah Sakit. Untuk RS01 total 148 teks dengan sentimen positif sebanyak 86 teks dan negatif sebanyak 62 teks. Untuk RS02 total 172 teks dengan sentimen positif sebanyak 122 teks dan negatif sebanyak 50 teks. Untuk RS03 total 353 teks dengan sentimen positif sebanyak 64 teks dan sentimen negatif sebanyak 289 teks. Untuk RS04 total 352 teks dengan sentimen positif sebanyak 342 teks dan negatif sebanyak 10 teks. Untuk RS05 total 220 teks dengan sentimen positif sebanyak 217 teks dan negatif sebanyak 3 teks. Untuk RS06 total
61 147 teks dengan sentimen positif sebanyak 128 teks dan negatif sebanyak 19 teks. Untuk RS07 total 243 teks dengan sentimen positif sebanyak 202 teks dan negatif sebanyak 41 teks. Untuk RS08 total 115 teks dengan sentimen positif sebanyak 100 teks dan negatif sebanyak 15 teks. Untuk RS09 total 155 teks dengan sentimen positif sebanyak 142 teks dan negatif sebanyak 13 teks. Untuk RS10 total 205 teks dengan sentimen positif sebanyak 186 teks dan negatif sebanyak 19 teks. Untuk RS11 total 239 teks dengan sentimen positif sebanyak 17 teks dan negatif sebanyak 222 teks.
3. Berdasarkan hasil klasifikasi sentimen dari beberapa Rumah Sakit yang ada di Kota Pekanbaru, Rumah Sakit Eka Hospital dengan 352 teks ulasan terdapat sebanyak 342 sentimen positif, sehingga Rumah Sakit ini dapat dikategorikan sebagai Rumah Sakit yang pelayanan dan fasilitasnya terbaik berdasarkan ulasan dari para pengunjung dan pasien Rumah Sakit tersebut.
B. Saran
Berdasarkan kesimpulan diatas, penulis memberikan saran agar dapat dijadikan bahan pertimbangan lebih lanjut dalam upaya peningkatan sistem yaitu :
1. Penelitian ini memanfaatkan Algoritma Naïve Bayes sebagai metode dalam klasifikasi proses pembobotan kata dengan menggunakan TF-IDF.
Penulis menyarankan agar pada penelitian selanjutnya dilakukan uji coba menggunakan metode lainnya sebagai pembanding sehingga
62 memungkinkan mendapatkan hasil yang lebih baik dan juga melakukan penerapan pada tools lainnya.
2. Untuk penelitian selanjutnya, penulis menyarankan untuk melakukan pengujian dengan objek lainnya seperti pelayanan rumah makan ataupun tempat wisata dan tentunya dengan klasifikasi sentimen yang tidak hanya sentimen positif ataupun negatif.
DAFTAR PUSTAKA
Afrizal, S., Irmanda, H. N., Falih, N., & Isnainiyah, I. N. (2020). Implementasi Metode Naïve Bayes untuk Analisis Sentimen Warga Jakarta Terhadap Kehadiran Mass Rapid Transit. Informatik : Jurnal Ilmu Komputer.
Amrullah, A. Z., Sofyan Anas, A., & Hidayat, M. A. J. (2020). Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square. Jurnal BITe.
Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter BMKG Nasional.
Jurnal Tekno Kompak.
Dennis, A. C., Baskoro, D. A., Ambarwati, L., & Wicaksana, I. W. S. (2013).
Belajar Data Mining dengan RapidMiner.
Erfina, A., & Wardani, N. R. (2022). Analisis Sentimen Perguruan Tinggi Termewah Di Indonesia Menurut Ulasan Google Maps Menggunakan Algoritma Support Vector Machine (SVM). Jurnal Manajemen Informatika
& Sistem Informasi (MISI).
Handayanto, R. T., Herlawati, Atika, P. D., Khasanah, F. N., Yusuf, A. Y. P., &
Septia, D. Y. (2021). Analisis Sentimen Pada Situs Google Review dengan Naïve Bayes dan Support Vector Machine. Jurnal Komtika (Komputasi Dan Informatika).
Negara, A. B. P., Muhardi, H., & Putri, I. M. (2020). Analisis Sentimen Maskapai Penerbangan Menggunakan Metode Naive Bayes dan Seleksi Fitur Information Gain. Jurnal Teknologi Informasi Dan Ilmu Komputer.
Permadi, V. A. (2020). Analisis Sentimen Menggunakan Algoritma Naive Bayes Terhadap Review Restoran di Singapura. Jurnal Buana Informatika.
Rahma, L., Syaputra, H., Mirza, A. H., & Purnamasari, S. D. (2021). Objek Deteksi Makanan Khas Palembang Menggunakan Algoritma YOLO (You Only Look Once). Jurnal Nasional Ilmu Komputer.
Saptari, R., Rianto, & Gufroni, A. I. (2018). Analisis Sentimen Pengguna Twitter Terhadap Pelayanan Unit Gawat Darurat Rumah Sakit Umum Di Indonesia Menggunakan Seleksi Fitur Information Gain Dan Support Vector Machine.
Journal of Informatics Education.
Sari, F. V., & Wibowo, A. (2019). Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi. Jurnal SIMETRIS.
64 Sari, R., & Hayuningtyas, R. Y. (2019). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Pada Wisata TMII Berbasis Website. Indonesian Journal on Software Engineering (IJSE).
Supartiningsih, S. (2017). Kualitas Pelayanan an Kepuasan Pasien Rumah Sakit:
Kasus Pada Pasien Rawat Jalan. Jurnal Medicoeticolegal Dan Manajemen Rumah Sakit.
Wardani, N. R., & Erfina, A. (2021). Analisis Sentimen Masyarakat Terhadap Layanan Konsultasi Dokter Menggunakan Algoritma Naive Bayes. Seminar Nasional Sistem Informasi Dan Manaejemen Informatika (SISMATIK).
Yanis, R. Y., & Iriani, A. (2018). Analisis Sentimen terhadap Pelayanan BPJS Kesehatan pada Guru-guru SMK Eklesia Dan Bina Insani Jailolo. Jurnal Terapan Teknologi Informasi.
