Klasifikasi Sentimen untuk Analisis Kepuasan Pelayanan Puskesmas Berbasis Arsitektur LSTM

Abstract

Abstrak Transformasi layanan sistem kesehatan di Indonesia menjadi fokus utama pemerintah melalui program nasional satu data kesehatan Indonesia. Dalam program ini, digitalisasi teknologi kesehatan menjadi salah satu pilar transformasi yang penting. Puskesmas, sebagai pusat layanan kesehatan level pertama, menjadi salah satu fokus dalam transformasi ini. Kepuasan pelayanan di Puskesmas menjadi faktor penting dalam mencapai tujuan tersebut. Penelitian ini bertujuan untuk menganalisis pemanfaatan teknik klasifikasi sentimen dalam survei kepuasan pelayanan Puskesmas Dalam penelitian ini, diterapkan pendekatan deep learning dengan menggunakan arsitektur Long-Short Term Memory (LSTM) untuk klasifikasi sentimen. Hasil penelitian menunjukkan bahwa model LSTM efektif digunakan untuk mengklasifikasikan sentimen. Akurasi keseluruhan model mencapai 76.26%, menunjukkan kemampuan model dalam melakukan prediksi dengan baik. Namun, terdapat perbedaan performa antara kelas sentimen. Sentimen netral memiliki performa yang sedikit lebih rendah dibandingkan dengan sentimen positif dan negatif. Hal ini dapat disebabkan oleh ketidakseimbangan jumlah sampel, kompleksitas sentimen netral, variabilitas dalam teks, dan perbedaan subyektivitas dalam penilaian sentimen. Penelitian ini menunjukkan potensi penerapan deep learning, khususnya model LSTM, dalam analisis sentimen kepuasan pelayanan Puskesmas. Hasil penelitian ini dapat menjadi dasar untuk integrasi deep learning dalam pengembangan sistem digital kesehatan nasional. Kata Kunci-prediksi sentiment, pelayanan puskesmas, deep learning.