Publikasi
Karya Ilmiah MahasiswaPencarian Spesifik
Kunjungan
Telemedicine di Indonesia telah berkembang sejak diperkenalkan pada tahun 2012, namun masih menghadapi tantangan terkait pemahaman teknologi dan keterbatasan akses di daerah terpencil. Mengingat pentingnya telemedicine dalam meningkatkan akses layanan kesehatan, pemahaman terhadap persepsi publik menjadi krusial untuk mengevaluasi penerimaan dan kendala yang dihadapi. Analisis sentimen dapat membantu mengidentifikasi opini masyarakat terhadap layanan ini, baik dari segi manfaat maupun hambatan yang dialami. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap layanan telemedicine menggunakan data dari media sosial X. Data dikumpulkan melalui teknik scraping dengan kata kunci "Telemedicine" dan dianalisis menggunakan algoritma Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa dari 525 tweet yang dianalisis, 468 tweet memiliki sentimen positif, 48 tweet negatif, dan 9 tweet netral. Model SVM menunjukkan tingkat akurasi sebesar 84%, dengan precision 28%, recall 33%, dan F1-score 30%. Meskipun akurasi model cukup tinggi, tantangan tetap ada dalam membedakan sentimen negatif dan netral secara akurat. Analisis sentimen mengungkapkan bahwa kata-kata yang sering muncul dalam sentimen positif adalah "layanan", "telemedicine", dan "sehat", sementara kata-kata negatif yang dominan adalah "pasien", "covid", dan "sakit", dan untuk sentimen netral terdapat kata “aplikasi”, “online”, “konsultasi”.
Abdul, R., Fahmi, J., Muhibi Nur, W., Canawine, D., Naufal Kusumajaya, M., Fadhlillah, A. F., & Rakhmawati, N. A. (n.d.). Analisis Sentimen Masyarakat Terhadap Undang-Undang Perlindungan Data Pribadi Pada Aplikasi X Dengan Metode Support Vector Machine. Jurnal METHODIKA.
Agustina, D., Sufia, A., Shofia, H., Cahyani, I., Ralya, J. P., & Mariani, T. (2023). Review Article: Efektivitas Penggunaan Telemedicine Pada Masa Pandemi Sebagai Sarana Konsultasi Kesehatan. Jurnal Keperawatan Dan Kesehatan Masyarakat Cendekia Utama, 12(3), 257–264. https://doi.org/10.31596/JCU.V12I3.1766
Agustina, D., Sufia, A., Shofia, H., Cahyani, I., Ralya, J. P., Mariani, T., Kesehatan, F., Uin, M., & Medan, S. U. (n.d.). Pada Masa Pandemi Sebagai Sarana Konsultasi Kesehatan.
Alkhalifi, Y. , G. W. , P. A. , & B. I. (2020). Analisis Sentimen Penghapusan Ujian Nasional pada Twitter Menggunakan Support Vector Machine dan Naïve Bayes berbasis Particle Swarm Optimization. . Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer Dan Teknologi Informasi, .
ARFINA, S. M. (2022). Analisis Sentimen Opini Masyarakatpengguna Twitter Terhadappariwisata Lampungmenggunakan Support Vector Machinedannaive Bayes.
Atika, D., Ari Aldino, A., Informasi, S., Pagar Alam No, J., Ratu, L., & Kedaton, K. (2022). Term Frequency-Inverse Document Frequency Support Vector Machine Untuk Analisis Sentimen Opini Masyarakat Terhadap Tekanan Mental Pada Media Sosial Twitter. In Jurnal Teknologi dan Sistem Informasi (JTSI) (Vol. 3, Issue 4). http://jim.teknokrat.ac.id/index.php/JTSI
Chandani, V., & Wahono, R. S. (2015). Komparasi Algoritma Klasifikasi Machine Learning Dan Feature Selection pada Analisis Sentimen Review Film. Journal of Intelligent Systems, 1(1). http://journal.ilmukomputer.org
CIKANIA, R. N. (2021). Implementasi Algoritma Naïve Bayes Classifier Dan Support Vector Machine Pada Klasifikasi Sentimen Review Layanan Telemedicine Halodoc. Jambura Journal of Probability and Statistics, 2(2), 96–104. https://doi.org/10.34312/JJPS.V2I2.11364
Farros, M., Haq, I., Rosyadi, I., Nasir, M., & Khambali, A. (n.d.). Sentiment Analisis Ulasan Aplikasi Livin Pada Google Play Store.
Fatihin, A. (2022). Analisis sentimen terhadap ulasan aplikasi mobile menggunakan metode support vector machine (SVM) dan pendekatan lexicon based . (Bachelor’s Thesis, Fakultas Sains Dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta).
Fitriyah, N., Warsito, B., Asih, D., & Maruddani, I. (2020). Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (Svm). JURNAL GAUSSIAN, 9(3), 376–390. https://ejournal3.undip.ac.id/index.php/gaussian/
Hanif, A. J. , F. M. N. , & H. B. (2023). Penerapan Natural Language Processing untuk Klasifikasi Bidang Minat berdasarkan Judul Tugas Akhir. Jurnal Sistim Informasi Dan Teknologi, , 41–49.
Kevin, V., Que, S., Analisis, :, Transportasi, S., Iriani, A., & Purnomo, H. D. (2020). Analisis Sentimen Transportasi Online Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization (Online Transportation Sentiment Analysis Using Support Vector Machine Based on Particle Swarm Optimization). In Jurnal Nasional Teknik Elektro dan Teknologi Informasi | (Vol. 9, Issue 2). www.tripadvisor.com,
Laksmidewi, A. A. A. P., Supriadhiana, I. G., & Sudiariani, K. A. (2021). Apakah Telemedicine dapat sebagai jalan keluar penanganan pasien Neurologi pada masa COVID-19?? Medicina, 52(1), 30. https://doi.org/10.15562/medicina.v52i1.1043
Liani, A. (2020). Analisis Perbandingan Kernel Algoritma Support Vector Machine dalam Mengklasifikasikan Skripsi Teknik Informatika berdasarkan Abstrak. JOINS (Journal of Information System), 5(2), 240–249. https://doi.org/10.33633/joins.v5i2.3715
Muktafin, E. H., Kusrini, K., & Luthfi, E. T. (2020). Analisis Sentimen pada Ulasan Pembelian Produk di Marketplace Shopee Menggunakan Pendekatan Natural Language Processing. Jurnal Eksplora Informatika, 10(1), 32–42. https://doi.org/10.30864/eksplora.v10i1.390
Nufus, R. H., Surapati, U., Studi, P., Informatika, T., Tinggi, S., Komputer, I., Karya Informatika, C., Kota, J., Timur, D., Khusus, I., & Jakarta, I. (2024). Analisis Sentimen Persepsi Masyarakat Terhadap Timnas Indonesia U-23 dalam AFC-23 Asian Cup 2024 Pada Media Sosial X Menggunakan Metode Naïve Bayes Classifier. In Jurnal Indonesia?: Manajemen Informatika dan Komunikasi (JIMIK) (Vol. 5, Issue 3). https://journal.stmiki.ac.id
Nugroho, K. S. (2020). Validasi Model Klasifikasi Machine Learning pada RapidMiner. Ksnugroho.Medium.Com. Https://Ksnugroho.Medium.Com/Validasi- Model-Machine-Learning-Pada-Rapidminer-50be0080df14.
Pane, S. F., Owen, A., & Prianto, C. (2021a). Analisis Sentimen UU Omnibus Law pada Twitter Menggunakan Metode Support Vector Machine. InComTech?: Jurnal Telekomunikasi Dan Komputer, 11(2), 130–142. https://doi.org/10.22441/INCOMTECH.V11I2.10874
Pane, S. F., Owen, A., & Prianto, C. (2021b). Analisis Sentimen UU Omnibus Law pada Twitter Menggunakan Metode Support Vector Machine. Jurnal Telekomunikasi Dan Komputer, 11(2), 130. https://doi.org/10.22441/incomtech.v11i2.10874
Putri, G. R., Maulana, M. A., & Bahri, S. (2024). Perbandingan Algoritma Naïve Bayes dan TextBlob Untuk Mendapatkan Analisis Sentimen Masyarakat Pada Sosial Media. Teknika, 13(2), 213–218. https://doi.org/10.34148/teknika.v13i2.815
Putri, R. R., & Cahyono, N. (2024). Analisis Sentimen Komentar Masyarakat Terhadap Pelayanan Publik Pemerintah Dki Jakarta Dengan Algoritma Super Vector Machine Dan Naive Bayes. In Jurnal Mahasiswa Teknik Informatika (Vol. 8, Issue 2).
Rabbani, S., Safitri, D., Rahmadhani, N., Sani, A. A. F., & Anam, M. K. (2023). Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 3(2), 153–160. https://doi.org/10.57152/malcom.v3i2.897
Rizki, D. A. N. (2020). Visualisasi Data Sentimen Terhadap Organisasi Perangkat Daerah Pemerintah Provinsi Jawa Barat Di Jabar Digital Service . (Doctoral Dissertation, Universitas Komputer Indonesia).
Romadoni, F., Umaidah, Y., & Sari, B. N. (2020). Text Mining Untuk Analisis Sentimen Pelanggan Terhadap Layanan Uang Elektronik Menggunakan Algoritma Support Vector Machine. Jurnal Sisfokom (Sistem Informasi Dan Komputer), 9(2), 247–253. https://doi.org/10.32736/sisfokom.v9i2.903
Rosdiana, R. , U. M. , & A. H. A. K. (2021). Implementasi Pemodelan Citra Model Svm (Support Vector Machine) Dalam Penentuan Pengklasifikasian Jenis Suara Kontes Burung. Informatika Kaputama (JIK), 5(2). Http://Jurnal.Kaputama.Ac.Id/Index.Php/JIK/Article/View/566 .
Singgih, F. R. (2021). Analisis Sentimen Tingkat Kepuasan Masyarakat Terhadap Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine (SVM) Dan Pendekatan Lexicon Based. . UIN Jakarta.
Subowo, E., Al Fath, H., & Nur Haryanto, J. (n.d.). Algoritma Support Vector Machine dalam Analisis Sentimen Aplikasi Primer League Pada Google Play Store.
Sulaehani, R., & Sulaehani, R. (2016). Prediksi Keputusan Klien Telemarketing Untuk Deposito Pada Bank Menggunakan Algoritma Naive Bayes Berbasis Backward Elimination. ILKOM Jurnal Ilmiah, 8(3), 182–189. https://doi.org/10.33096/ilkom.v8i3.83.182-189
Syafira, F. (2023). Analisis Sentimen Dampak Perkembangan Artificial Intelligence (Ai) Pada Media Sosial Twitter Menggunakan Metode Support Vector Machine dan Lexicon Based . (Bachelor’s Thesis, Fakultas Sains Dan Teknologi UIN Syarif Hidayatullah Jakarta).
Syahputra, P., & Kurniawan, R. (2024). Analisis Sentimen Terhadap Kesehatan Mental Remaja Menggunakan Metode Naive Bayes. Journal of Information System Research (JOSH), 5(4), 1216–1224. https://doi.org/10.47065/josh.v5i4.5644
Ulfa, M. (2022). Analisis Sentimen Terhadap Layanan Telemedicine Menggunakan Metode Support Vector Machine (Svm). (Doctoral Dissertation, Universitas Malikussaleh).
Utami, N. A. , M. W. , & A. I. (2021). Personality Classification of Facebook Users According to Big Five Personality Using SVM (Support Vector Machine) Method. Procedia Computer Science, 179(2020), , 177–184.
Wijayanto, I. R., Cholissodin, I., & Sari, Y. A. (2021). Pengaruh Metode Word Embedding dalam Vector Space Model pada Pemerolehan Informasi Materi IPA Siswa SMP. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 5(3), 950–959. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/8688
| Properti | Nilai Properti |
|---|---|
| Organisasi | Universitas Muhammadiyah Pekajangan Pekalongan |
| umpp.pekalongan@yahoo.com | |
| Alamat | Jl. Raya Pekajangan No. 1A Kedungwuni Pekalongan |
| Telepon | (0285) 7832294 |
| Tahun | 2025 |
| Kota | Pekalongan |
| Provinsi | Jawa Tengah |
| Negara | Indonesia |