Klasifikasi Pelayanan Kesehatan Berdasarkan Data Sentimen Pelayanan Kesehatan menggunakan Multiclass Support Vector Machine
Article Sidebar
Published:
Apr 30, 2023
Keywords:
Klasifikasi, Pelayanan Kesehatan, SVM, OvO, TF-IDF
Main Article Content
Abstract
Penelitian ini bertujuan untuk melakukan klasifikasi pada data sentiment pelayanan Kesehatan menggunakan Multiclass SVM pendekatan One versus One (OvO) dengan fitur unigram dan bigram. Sumber data sentimen berasal dari data laporan survei kepuasan pelayanan puskesmas denpasar 2021 oleh Center for Public Health Innovation (CPHI) FK UNUD. Ekstraksi fitur menggunakan TF-IDF satu term/unigram dan dua term/bigram lalu kemudian diolah menggunakan Support Vector Machine OvO. KFold Cross Validation digunakan untuk membagi data latih dan data tes sekaligus memvalidasi model. Hasil yang didapatkan pada proses pengklasifikasian data train SVM OvO unigram didapatkan skor akurasi 97,09%, presisi 97,97%, recall 96,90%, dan f1-score 97,40%, sedangkan pada SVM OvO bigram didapatkan skor akurasi 97,91%, presisi 98,56%, recall 37,39%, dan f1-score 37,79%. Pada pengklasifikasian data tes didapatkan SVM OvO unigram mendapatkan skor akurasi 68,77%, presisi 73,13%, recall 61,67%, dan f1-score 64,13%, sedangkan SVM OvO bigram mendapatkan skor akurasi 47,92%, presisi 66,41%, recall 37,39%, dan f1-score 37,79%. Perbedaan skor yang jauh pada data train dan data tes dikarenakan adanya overfitting, sehingga perlu adanya seleksi fitur sebelum fitur digunakan sebagai masukan untuk SVM. Selain itu dapat disimpulkan SVM OvO dengan menggunakan fitur unigram memiliki performa lebih baik dibandingkan dengan SVM OvO dengan menggunakan fitur bigram.
Article Details
How to Cite
Moh. Heri Setiawan, I Gede Aris Gunadi, & Gede Indrawan. (2023). Klasifikasi Pelayanan Kesehatan Berdasarkan Data Sentimen Pelayanan Kesehatan menggunakan Multiclass Support Vector Machine. Jurnal Sistem Dan Informatika (JSI), 17(1), 47-54. https://doi.org/10.30864/jsi.v17i1.512
Section
Articles
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Sistem dan Informatika (JSI) bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di JSI setuju dengan ketentuan berikut:- JSI menggunakan perjanjian lisensi ekslusif, yaitu penulis memegang hak cipta atas artikel dan memberikan hak publikasi kepada Jurnal Sistem dan Informatika (JSI).
- JSI mempunyai hak ekslusif untuk mempublikasi dan mendistribusikan artikel secara sebagian atau keseluruhan, dan memberikan hak kepada orang lain sesuai dengan lisensi yang digunakan.
- JSI berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- JSI berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
- Artikel harus dirujuk, link terhadap lisensi harus disediakan, dan jika terdapat bagian artikel yang diubah harus ditandai.
- Jika artikel disadur sehingga terdapat perubahan, hasil saduran harus didistribusikan menggunakan lisensi yang sama.
- Tidak diperkenankan untuk membatasi orang lain terhadap apa yang diperbolehkan oleh lisensi.
References
[1] Rokom, “Kuatkan Layanan Kesehatan, Pemerintah Lakukan Lima Upaya Secara Simultan,” Nov. 04, 2016. https://sehatnegeriku.kemkes.go.id/baca/umum/20161104/2918732/kuatkan-layanan-kesehatan-pemerintah-lakukan-lima-upaya-secara-simultan/ (accessed Aug. 30, 2022).
[2] H. Sujadi, S. Fajar, and C. Roni, “Analisis Sentimen Pengguna Media Sosial Twitter Terhadap Wabah Covid-19 Dengan Metode Naïve Bayes Classifier Dan Support Vector Machine,” INFOTECH journal, vol. 3, no. 1, pp. 1689–1699, 2021, [Online]. Available: http://journal.unilak.ac.id/index.php/JIEB/article/view/3845%0Ahttp://dspace.uc.ac.id/handle/123456789/1288
[3] D. A. Pangestu, “Analisis Sentimen Terhadap Opini Publik Tentang Kesehatan Mental Selama Pandemi Covid-19 di Media Sosial Twitter Menggunakan Naive Bayes Classifier Dan Support Vector Machine,” Universitas Islam Indonesia, 2020. [Online]. Available: https://dspace.uii.ac.id/bitstream/handle/123456789/28594/15611151 Deinda Afiya Pangestu.pdf?sequence=1&isAllowed=y
[4] A. S. Nugroho, A. B. Witarto, and D. Handoko, “Support Vector Machine Teori dan Aplikasinya dalam Bioinformatika,” Kuliah Umum IlmuKomputer. Com, 2003.
[5] Center for Public Health Innovation (CPHI) FK UNUD, “Laporan Survei Kepuasan Puskesmas Denpasar,” Denpasar, 2021.
[6] S. Bird, E. Klein, and E. Loper, Natural Language Processing with Python. O’Reilly Media, Inc., 2009.
[7] ramaprakoso, “analisis-sentimen.” https://github.com/ramaprakoso/analisis-sentimen/blob/master/kamus/kbba.txt, 2017. Accessed: Nov. 04, 2022. [Online]. Available: https://github.com/ramaprakoso/analisis-sentimen/blob/master/kamus/kbba.txt
[8] F. Z. Tala, “A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia,” 2003.
[9] H. Amal Robbani, “PySastrawi.” https://github.com/har07/PySastrawi, 2018. Accessed: Nov. 03, 2022. [Online]. Available: https://github.com/har07/PySastrawi
[10] J. Carpenter, “Swifter.” https://github.com/jmcarpenter2/swifter, Aug. 17, 2022.
[11] B. E. Howard et al., “SWIFT-Review: a text-mining workbench for systematic review,” Syst Rev, vol. 5, no. 1, p. 87, Dec. 2016, doi: 10.1186/s13643-016-0263-z.
[12] K. Sparck Jones, “A Statistical Interpretation of Term Specificity and Its Application In Retrieval,” Journal of Documentation, vol. 28, no. 1, pp. 11–21, Jan. 1972, doi: 10.1108/eb026526.
[13] S. Robertson, “Understanding inverse document frequency: on theoretical arguments for IDF,” Journal of Documentation, vol. 60, no. 5, pp. 503–520, Oct. 2004, doi: 10.1108/00220410410560582.
[14] J. Leskovec, A. Rajaraman, and J. D. Ullman, “Mining of Massive Datasets.”
[15] W. Uther et al., Encyclopedia of Machine Learning. Boston, MA: Springer US, 2010. doi: 10.1007/978-0-387-30164-8.
[16] F. Pedregosa et al., “Scikit-learn: Machine Learning in Python,” Journal of Machine Learning Research, vol. 12, pp. 2825–2830, 2011, [Online]. Available: http://scikit-learn.sourceforge.net.
[17] Chih-Wei Hsu and Chih-Jen Lin, “A comparison of methods for multiclass support vector machines,” IEEE Trans Neural Netw, vol. 13, no. 2, pp. 415–425, Mar. 2002, doi: 10.1109/72.991427.
[18] C. M. Bishop, Pattern Recognition and Machine Learning. Springer: Micrososft Research Ltd, 2006. Accessed: Oct. 16, 2022. [Online]. Available: https://www.microsoft.com/en-us/research/uploads/prod/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf
[19] J. W. G. Putra, Pengenalan Konsep Pembelajaran Mesin dan Deep Learning, 1.4. 2020.
[20] B. Raharjo, Ilmu Big Data dan Mesin Cerdas. Semarang: Yayasan Prima AgusTeknik, 2022.
[21] I. D. Id, Machine Learning: Teori, Studi Kasus dan Implementasi Menggunakan Python, 1st ed. Riau: UR PRESS, 2021.
[22] H. N. Firqiani, A. Kustiyo, and P. Giri, “Seleksi Fitur Menggunakan Fast Correlation Based Filter Pada Algoritma Voting Feature Intervals 5.” Accessed: Oct. 28, 2022. [Online]. Available: https://media.neliti.com/media/publications/245184-seleksi-fitur-menggunakan-fast-correlati-dfef2c7f.pdf
[23] I. M. B. Adnyana, “Penerapan Feature Selection untuk Prediksi Lama Studi Mahasiswa,” Jurnal Sistem dan Informatika, vol. 13, pp. 72–76, May 2019.
[24] I. M. D. Maysanjaya, M. S. Wibawa, and I. M. A. Wirahadi Putra, “Pengaruh Seleksi Fitur Terhadap Hasil Klasifikasi Fase Plasmodium vivax Pada Citra Mikroskopis Digital Sediaan Darah Tipis,” Bali: Prosiding Seminar Nasional Pendidikan Teknik Informatika, Sep. 2017, pp. 96–101. [Online]. Available: http://pti.undiksha.ac.id/senapati
[25] N. Noviati, S. Fauziati, and I. Hidayah, “Pengaruh Penghapusan Outlier Terhadap Kinerja Metode Seleksi Fitur Pada Klasifikasi Konsentrasi Sperma Berdasarkan Faktor Lingkungan, Kesehatan, dan Gaya Hidup,” Universitas Gadjah Mada, Yogyakarta, 2015.
[2] H. Sujadi, S. Fajar, and C. Roni, “Analisis Sentimen Pengguna Media Sosial Twitter Terhadap Wabah Covid-19 Dengan Metode Naïve Bayes Classifier Dan Support Vector Machine,” INFOTECH journal, vol. 3, no. 1, pp. 1689–1699, 2021, [Online]. Available: http://journal.unilak.ac.id/index.php/JIEB/article/view/3845%0Ahttp://dspace.uc.ac.id/handle/123456789/1288
[3] D. A. Pangestu, “Analisis Sentimen Terhadap Opini Publik Tentang Kesehatan Mental Selama Pandemi Covid-19 di Media Sosial Twitter Menggunakan Naive Bayes Classifier Dan Support Vector Machine,” Universitas Islam Indonesia, 2020. [Online]. Available: https://dspace.uii.ac.id/bitstream/handle/123456789/28594/15611151 Deinda Afiya Pangestu.pdf?sequence=1&isAllowed=y
[4] A. S. Nugroho, A. B. Witarto, and D. Handoko, “Support Vector Machine Teori dan Aplikasinya dalam Bioinformatika,” Kuliah Umum IlmuKomputer. Com, 2003.
[5] Center for Public Health Innovation (CPHI) FK UNUD, “Laporan Survei Kepuasan Puskesmas Denpasar,” Denpasar, 2021.
[6] S. Bird, E. Klein, and E. Loper, Natural Language Processing with Python. O’Reilly Media, Inc., 2009.
[7] ramaprakoso, “analisis-sentimen.” https://github.com/ramaprakoso/analisis-sentimen/blob/master/kamus/kbba.txt, 2017. Accessed: Nov. 04, 2022. [Online]. Available: https://github.com/ramaprakoso/analisis-sentimen/blob/master/kamus/kbba.txt
[8] F. Z. Tala, “A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia,” 2003.
[9] H. Amal Robbani, “PySastrawi.” https://github.com/har07/PySastrawi, 2018. Accessed: Nov. 03, 2022. [Online]. Available: https://github.com/har07/PySastrawi
[10] J. Carpenter, “Swifter.” https://github.com/jmcarpenter2/swifter, Aug. 17, 2022.
[11] B. E. Howard et al., “SWIFT-Review: a text-mining workbench for systematic review,” Syst Rev, vol. 5, no. 1, p. 87, Dec. 2016, doi: 10.1186/s13643-016-0263-z.
[12] K. Sparck Jones, “A Statistical Interpretation of Term Specificity and Its Application In Retrieval,” Journal of Documentation, vol. 28, no. 1, pp. 11–21, Jan. 1972, doi: 10.1108/eb026526.
[13] S. Robertson, “Understanding inverse document frequency: on theoretical arguments for IDF,” Journal of Documentation, vol. 60, no. 5, pp. 503–520, Oct. 2004, doi: 10.1108/00220410410560582.
[14] J. Leskovec, A. Rajaraman, and J. D. Ullman, “Mining of Massive Datasets.”
[15] W. Uther et al., Encyclopedia of Machine Learning. Boston, MA: Springer US, 2010. doi: 10.1007/978-0-387-30164-8.
[16] F. Pedregosa et al., “Scikit-learn: Machine Learning in Python,” Journal of Machine Learning Research, vol. 12, pp. 2825–2830, 2011, [Online]. Available: http://scikit-learn.sourceforge.net.
[17] Chih-Wei Hsu and Chih-Jen Lin, “A comparison of methods for multiclass support vector machines,” IEEE Trans Neural Netw, vol. 13, no. 2, pp. 415–425, Mar. 2002, doi: 10.1109/72.991427.
[18] C. M. Bishop, Pattern Recognition and Machine Learning. Springer: Micrososft Research Ltd, 2006. Accessed: Oct. 16, 2022. [Online]. Available: https://www.microsoft.com/en-us/research/uploads/prod/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf
[19] J. W. G. Putra, Pengenalan Konsep Pembelajaran Mesin dan Deep Learning, 1.4. 2020.
[20] B. Raharjo, Ilmu Big Data dan Mesin Cerdas. Semarang: Yayasan Prima AgusTeknik, 2022.
[21] I. D. Id, Machine Learning: Teori, Studi Kasus dan Implementasi Menggunakan Python, 1st ed. Riau: UR PRESS, 2021.
[22] H. N. Firqiani, A. Kustiyo, and P. Giri, “Seleksi Fitur Menggunakan Fast Correlation Based Filter Pada Algoritma Voting Feature Intervals 5.” Accessed: Oct. 28, 2022. [Online]. Available: https://media.neliti.com/media/publications/245184-seleksi-fitur-menggunakan-fast-correlati-dfef2c7f.pdf
[23] I. M. B. Adnyana, “Penerapan Feature Selection untuk Prediksi Lama Studi Mahasiswa,” Jurnal Sistem dan Informatika, vol. 13, pp. 72–76, May 2019.
[24] I. M. D. Maysanjaya, M. S. Wibawa, and I. M. A. Wirahadi Putra, “Pengaruh Seleksi Fitur Terhadap Hasil Klasifikasi Fase Plasmodium vivax Pada Citra Mikroskopis Digital Sediaan Darah Tipis,” Bali: Prosiding Seminar Nasional Pendidikan Teknik Informatika, Sep. 2017, pp. 96–101. [Online]. Available: http://pti.undiksha.ac.id/senapati
[25] N. Noviati, S. Fauziati, and I. Hidayah, “Pengaruh Penghapusan Outlier Terhadap Kinerja Metode Seleksi Fitur Pada Klasifikasi Konsentrasi Sperma Berdasarkan Faktor Lingkungan, Kesehatan, dan Gaya Hidup,” Universitas Gadjah Mada, Yogyakarta, 2015.
