TAMAMI, GHUFRON (2025) Analisis sentimen ulasan aplikasi mobile jkn menggunakan model long short�term memory (lstm) berbasis smote. Sarjana thesis, UNIVERSITAS MURIA KUDUS.

Preview	Text (Halaman Judul) Halaman Judul.pdf - Published Version Download | Baca Disini
Preview	Text (Bab 1) Bab 1 TA.pdf - Published Version Download | Baca Disini
	Text (Bab 2) Bab 2 TA.pdf - Published Version Restricted to Registered users only Download
	Text (Bab 3) Bab 3 TA.pdf - Published Version Restricted to Registered users only Download
	Text (Bab 4) Bab 4 TA.pdf - Published Version Restricted to Registered users only Download
	Text (Bab 5) Bab 5 TA.pdf - Published Version Restricted to Registered users only Download
Preview	Text (Daftar Pustaka) Daftar Pustaka TA.pdf - Published Version Download | Baca Disini
	Text (Lampiran) Lampiran TA.pdf - Published Version Restricted to Registered users only Download

Abstrak

Aplikasi Mobile JKN berperan penting dalam memberikan akses yang mudah dan cepat terhadap layanan kesehatan bagi pengguna JKN-KIS. Namun, ulasan pengguna menunjukkan ketidakpuasan terhadap beberapa aspek aplikasi, seperti masalah login dan kode OTP, yang dapat memengaruhi pengalaman pengguna secara keseluruhan. Tantangan lain yang dihadapi adalah ketidakseimbangan kelas pada dataset ulasan, yang dapat memengaruhi kinerja analisis sentimen. Penelitian ini menggunakan Long Short-Term Memory (LSTM) yang dikombinasikan dengan Synthetic Minority Oversampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Data ulasan dikumpulkan dari Google Play Store dan Kaggle, kemudian dilakukan preprocessing mencakup lemmatization, tokenization, dan padding. Kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa LSTM dengan SMOTE mencapai akurasi 88%, presisi 90%, recall 88%, dan F1 score 89%. SMOTE berhasil meningkatkan kinerja pada kelas minoritas meskipun terdapat sedikit penurunan pada akurasi dibandingkan model tanpa SMOTE. Visualisasi word cloud mengungkapkan sentimen positif terkait kemudahan penggunaan aplikasi, sementara sentimen negatif menunjukkan area yang memerlukan perbaikan. Penelitian ini menegaskan pentingnya penanganan dataset tidak seimbang untuk menghasilkan analisis sentimen yang lebih akurat.

Item Type:	Skripsi/ Thesis (Sarjana)
Dosen Pembimbing:	Dosen pembimbing: 1.Dr. Ir. Wiwit Agus Triyanto, M.Kom. Dosen Pembimbing: 2.Syafiul Muzid, S.T., M.Cs.
Kata Kunci:	Analisis Sentimen, Data Tidak Seimbang, LSTM, Mobile JKN, SMOTE
Subjects:	Ilmu Murni > Matematika Ilmu Murni > Matematika > Perangkat lunak (software) komputer
Program Studi:	Fakultas Teknik > S1 Sistem Informasi
Depositing User:	Mr Firman Al Mubaroq
Date Deposited:	06 Aug 2025 07:31
Last Modified:	06 Aug 2025 07:31
URI:	http://eprints.umk.ac.id/id/eprint/24955

Actions (login required)

View Item