Analisis Sentimen Ulasan Pengguna dari Google Maps Menggunakan Metode Long-Short Term Memory (Studi Kasus: Rumah Sakit Gatoel)

Abstrak

Di era digital yang terus berkembang, ulasan pengguna memainkan peran penting dalam membentuk persepsi terhadap fasilitas kesehatan, termasuk Rumah Sakit Gatoel. Ulasan dapat memberikan dampak positif maupun negatif, yang memengaruhi keputusan pengguna untuk mengunjungi kembali sebuah rumah sakit. Penelitian ini menganalisis 735 data ulasan Google Maps periode 2020–2024 untuk mengevaluasi kualitas layanan di Rumah Sakit Gatoel. Data ulasan tersebut diberi label dan kemudian dilakukan preprocessing yang menghasilkan 358 data positif dan 98 data negatif. Data yang tidak seimbang diatasi dengan teknik SMOTE untuk menyeimbangkan jumlah kelas. Teknik SMOTE menghasilkan 358 data positif dan 358 data negatif . Hasil data itu digunakan untuk melatih model Long Short-Term Memory (LSTM). Evaluasi model dilakukan menggunakan confusion matrix, menghasilkan kinerja yang memuaskan, dengan akurasi sebesar 96%, presisi 97%, recall 98%, dan f-measure 96%. Data ulasan divisualisasikan dalam bentuk Word Cloud untuk memberikan gambaran umum tentang sentimen pengguna. Analisis lanjutan dilakukan menggunakan teknik Root Cause Analysis (RCA) yang mengidentifikasi beberapa akar permasalahan utama, seperti keterbatasan kapasitas ruang perawatan akibat kurangnya dukungan finansial, kebutuhan modernisasi sistem administrasi, dan terbatasnya anggaran untuk perekrutan dan penggajian staf yang memadai. Dana operasional dan medis mendesak juga menjadi prioritas yang perlu diperhatikan. Hasil RCA memberikan rekomendasi strategis kepada stakeholder untuk meningkatkan kualitas layanan, yang mencakup perluasan kapasitas rumah sakit, peningkatan efisiensi administrasi, serta optimalisasi sumber daya manusia. Dengan implementasi yang tepat, Rumah Sakit Gatoel diharapkan dapat meningkatkan reputasi dan kualitas pelayanannya di masa mendatang.