Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Implementasi Metode Naive Bayes Classifier Untuk Klasifikasi dan Analisis Sentimen pada Sistem Pengaduan RSUD Majalengka
Tresna Gumelar NIM. (2016) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Kewajiban suatu instansi dalam mengelola pengaduan telah diatur dalam Peraturan Presiden Republik Indonesia Nomor 76 Tahun 2013. Hal tersebut juga berlaku pada RSUD Majalengka yang wajib melakukan pemantauan dan evaluasi terhadap pengelolaan pengaduan serta wajib ditindaklanjuti demi meningkatan kualitas pelayanan publik. Pengelolaan pesan pengaduan yang masuk harus diklasifikasikan secara akurat berdasarkan bidang layanan dan sentimennya. Naïve Bayes Classifier merupakan salah satu metode machine learning dengan implementasi yang relatif mudah dan menghasilkan akurasi yang baik. Adapun proses yang dilakukan dalam penelitian ini adalah preprocessing pesan pengaduan dan ekstraksi fitur menggunakan TF-IDF. Kemudian, diklasifikasikan kedalam kelas bidang pelayanan, keuangan, farmasi dan IPSRS. Serta diklasifikasikan kedalam kelas positif dan negatif untuk analisis sentimen. Hasil dari penelitian yang telah dilakukan melalui proses pengujian yang dilakukan menggunakan confusion matrix terbukti bahwa Naïve Bayes Classifier dapat diterapkan dan meningkatkan akurasi pada sistem klasifikasi dan analisis sentimen dengan rata-rata akurasi 90% untuk klasifikasi berdasarkan kelas bidang dan 100% untuk klasifikasi berdasarkan sentimennya.
Ringkasan Alternatif
The institution obligation to manage complaints has been arranged in Indonesian Presidential Regulation Number 76 Year 2013. It also be valid for RSUD Majalengka that required to conduct monitoring and evaluating of the management complaints and must be followed up for the better quality service. Management of complaining received messages must be accurately classified based on each related field and its sentiments. Naïve Bayes Classifier is one of the machine learning method with a relatively easy implemented and produce proper accuracy. The process that carried out in this research is preprocessing the complaining message and feature extraction using TF-IDF. Then, it classified into field service, financial, pharmacy and IPSRS class. And also classified into positive and negative class for the sentiment analysis. The research result that has been conducted through the trial process using confusion matrix proved that Naïve Bayes Classifier can be applied and improving the accuracy on classification and sentiment analysis system with an accuracy averange 90% for the field class and 100% for the classification based on its sentiment.