ANALISIS SENTIMEN PENGGUNA APLIKASI SATUSEHAT MOBILE MENGGUNAKAN SVM DAN NAÏVE BAYES DENGAN OPTIMASI SMOTE

Abstract

Aplikasi SATUSEHAT Mobile telah mencapai lebih dari 50 juta unduhan sejak diluncurkan tahun 2022 tetapi masih mengalami masalah teknis, dibuktikan dengan rating rata-rata 3,4 di Google Play Store. Keluhan pengguna yang umum mencakup kesalahan sistem saat mengakses fitur utama, navigasi antarmuka yang menantang untuk pengguna awam, dan keterbatasan sinkronisasi data medis antar fasilitas kesehatan. Penelitian ini menganalisis sentimen pengguna menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM) terhadap 3.000 ulasan yang dikumpulkan. Metodologi CRISP-DM diterapkan dengan enam tahapan sistematis mulai dari pengumpulan data hingga evaluasi mendalam. Temuan penelitian mengindikasikan adanya perbedaan distribusi sentimen pengguna yang cukup mencolok sebelum dilakukan optimasi sehingga diperlukan penerapan teknik SMOTE agar lebih seimbang. Hasil pengujian menunjukkan SVM mencapai akurasi 94% dengan precision 94%, recall 94%, dan F1-score 94% yang konsisten pada semua kategori sentimen. Naïve Bayes memperoleh akurasi 88% namun menunjukkan kelemahan pada recall sentimen negatif (73% vs 84% SVM). Uji McNemar mengkonfirmasi perbedaan performa signifikan secara statistik (p<0.001, χ²=52.94). Analisis WordCloud mengungkapkan kata dominan pada sentimen negatif seperti "error", "login", dan "tidak bisa" yang mengindikasikan permasalahan teknis fundamental. Penelitian ini memberikan kontribusi dalam memahami persepsi pengguna dan menyediakan landasan strategis bagi peningkatan berkelanjutan aplikasi SATUSEHAT Mobile yang lebih responsif dan user-friendly.