Sentiment Analysis Penyedia layanan Asuransi dari Media Sosial Twitter

Abstract

Abstrak− Tujuan dari penelitian ini adalah menerapkan analisis sentimen untuk mengevaluasi pandangan masyarakat terhadap penyedia layanan asuransi kesehatan, sehingga dapat memahami reputasi penyedia layanan asuransi. Penelitian ini menggunakan algoritme Naïve Bayes untuk mengidentifikasi sentimen pengguna Twitter terkait penyedia layanan asuransi kesehatan dan mengevaluasi akurasi hasilnya. Penelitian ini dilakukan untuk mendapatkan informasi sentimen masyarakat tentang perspektif penyedia layanan asuransi kesehatan melalui media sosial twitter. Pertumbuhan pengguna Twitter yang mencapai lebih dari 500 juta twit setiap hari memberikan potensi Big Data untuk mengevaluasi pandangan masyarakat terhadap asuransi kesehatan. Penelitian ini menggunakan metode penelitian deskriptif kualitatif dengan dukungan bahasa pemograman Python. Populasi penelitian ini mencakup semua twit yang diposting oleh pengguna di Indonesia. Kami menggunakan metode purposive sampling, yaitu pemilihan sampel berdasarkan kriteria tertentu yang sesuai dengan tujuan penelitian, seperti twit yang berhubungan dengan penyedia layanan asuransi kesehatan. Data yang digunakan adalah data primer, yaitu twit dari pengguna Twitter di Indonesia yang berkaitan dengan penyedia layanan asuransi kesehatan. Pengumpulan data dilakukan melalui web scraping dari aplikasi Tweet Harvest, dilanjutkan dengan proses labeling, dan kemudian data dipraproses melalui tahapan pembersihan, tokenisasi, penyaringan, dan stemming. Terakhir, algoritme Naïve Bayes digunakan untuk analisis sentimen. Dari proses pengambilan data, kami berhasil mengumpulkan 31.190 data, yang kemudian disaring menjadi 1.483 data yang hanya berupa hasil review. Pada tahap pelabelan, 889 twit mendapatkan label positif, sementara 594 twit mendapatkan label negatif. Didapatkan akurasi dari algoritme Naïve Bayes adalah 74.41%. Hasil ringkasan twit menggambarkan pandangan yang beragam terkait BPJS Kesehatan dan asuransi kesehatan swasta. Terdapat pandangan positif terhadap BPJS Kesehatan, termasuk premi yang terjangkau, cakupan penyakit kritis, dan pendaftaran tanpa medical check-up. Namun, ada kritik terhadap prosedur pengobatan yang dianggap rumit, kesulitan dalam menghentikan keanggotaan, dan perdebatan tentang prinsip gotong royong. Di sisi lain, asuransi kesehatan swasta mendapatkan pandangan positif karena prosedur yang lebih sederhana, antrian cepat, dan pilihan produk yang sesuai dengan penghasilan individu. Namun, terdapat juga pandangan negatif, termasuk gangguan telemarketing, kasus gagal bayar oleh penyedia asuransi, dan konsumen yang merasa tertipu ketika asuransi pendidikan beralih menjadi asuransi kesehatan tanpa persetujuan mereka.

Kata Kunci: BPJS Kesehatan; Naïve Bayes; Penyedia layanan Asuransi; Sentiment Analysis; Twitter