Analisis Sentimen Pada Komentar Aplikasi Sehat Indonesiaku Menggunakan Metode Machine Learning Dan Klasifikasi Positif-Negatif

Abstract

Perkembangan aplikasi kesehatan digital seperti Aplikasi Sehat Indonesiaku (ASIK) memerlukan pemahaman terhadap persepsi pengguna guna meningkatkan kualitas layanan. Penelitian ini bertujuan untuk mengembangkan sistem analisis sentimen terhadap komentar pengguna ASIK di Google Play Store. Sebanyak 1.053 komentar dikumpulkan melalui teknik web scraping, lalu diproses menggunakan tahapan normalisasi, case folding, stemming, penghapusan stopwords, dan pembobotan TF-IDF. Visualisasi word cloud digunakan untuk mengidentifikasi kata-kata dominan dalam komentar positif dan negatif. Proses klasifikasi sentimen dilakukan dengan tiga algoritma machine learning, yaitu Random Forest, Gradient Boosting, dan Logistic Regression. Hasil analisis menunjukkan bahwa komentar positif banyak memuat kata seperti “mudah” dan “bermanfaat”, sementara komentar negatif didominasi oleh kata “perbaiki” dan “lama”. Model Gradient Boosting menunjukkan performa terbaik dengan accuracy sebesar 87,83%, precision 87,47%, dan F1-Score 87,31%. Temuan ini menggambarkan persepsi publik terhadap ASIK serta menyoroti pentingnya perbaikan teknis guna meningkatkan kepuasan pengguna terhadap layanan digital pemerintah.