Analisis Sentimen Terkait Pengguna BPJS Sebagai Persyaratan Pembuatan SIM Menggunakan Metode Support Vector Machine

Latar Belakang: 6 Januari 2022 Presiden meng-Intruksikan tentang Optimalisasi Pelaksanaan Program Jaminan Kesehatan Nasional kepada Kapolri untuk melakukan penyempurnaan regulasi untuk memastikan pemohon SIM. Dari 275,77 juta jiwa di indonesia pengguna twitter mencapai 18,45 juta jiwa, dan jumlah peserta JKN telah mencapai 249,67, dari adanya inpres tersebut munculnya Pro dan Kontra. Kata – kata yang kurang baik yang akan menjadi pokok permasalahan pada publik, yang dimana dapat menimbulkan perbincangan dimedia sosial akan
semakin memanas dan lebih disayangkan apabila terjerat UU ITE.
Tujuan: Untuk membuat suatu platform data sentimen mengetahui adanya pro dan kontra terkait dimanfaatkanya BPJS sebagai syarat pembuatan SIM dan mengetahui tingkat akurasi dari penggunaan metode SVM.
Metode Penelitian: Penelitian ini menganalisis terkait data Twitter tentang penggunaan BPJS sebagai syarat pembuatan SIM menggunakan metode SVM.
Hasil: Penelitian Analisis Sentiment Terkait Pengguna BPJS Sebagai Syarat Pembuatan SIM Menggunakan SVM. Pengambilan data pada tanggal 19 Juli 2022 – 13 November 2022, menggunakan library dari snscrape , menghasilkan 112.668 data tweet yang memiliki keterkaitan adanya penelitian tersebut. Setelah dilakukan Preprocessing menghasilkan data sebanyak 2100, kemudian dilakukan pelabelan manual menghasilkan 1470 data. Selanjutnya dilakukan Training Data dengan rincian 735 data positif, dan 735 data negatif Dan untuk melakukan Testing data menggunakan 630 data tweet.
Kesimpulan: Penelitian Analisis Sentiment Terkait Pengguna BPJS Sebagai Syarat Pembuatan SIM Menggunakan SVM berhasil mengambil data sebanyak 112.668 data tweet data yang diambil pada tanggal 19 Juli 2022 – 13 November 2022 menggunakan library snscrape. Total data yang digunakan untuk training data sebanyak 1470 data, yang di dalamnya sudah berlabel positif sebanyak 735 , dan negatif sebanyak 735. Sedangkan pada data testing menggunakan total 630 data, menghasilkan data accuracy sebanyak 69.11% dan f-measure 69.00% untuk data training dan data testing.