Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 2

Analisis Sentimen Pasien terhadap Layanan Antarmedika Dentalcare Menggunakan Metode XGBoost

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 12 No. 6 (2025) · hlm. 1337–1384

DOI
10.25126/jtiik.2025126
ISSN
2528-6579, 2355-7699
Terbit
2025-12-17
Penerbit
Fakultas Ilmu Komputer, Universitas Brawijaya
Bahasa
id
Lisensi
creativecommons.org/licenses/by-sa/4.0

Abstrak

Bahasa Indonesia

Pelayanan kesehatan yang berkualitas menjadi faktor utama dalam kepuasan pasien, sebagaimana diatur dalam Peraturan Menteri Kesehatan Republik Indonesia Nomor 4 Tahun 2019 tentang Standar Pelayanan Minimal (SPM). Dalam upaya meningkatkan kualitas layanan, Praktek Mandiri Bersama Antarmedika Dentalcare menerapkan analisis sentimen berbasis data terhadap ulasan pasien yang diperoleh dari Google Maps, media sosial, dan Survei Kepuasan Pasien (SKP). Penelitian ini menggunakan algoritma Extreme Gradient Boosting (XGBoost) dengan pendekatan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengklasifikasikan 500 ulasan pasien ke dalam dua kategori sentimen, yaitu positif dan negatif. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 96%, presisi 96%, dan recall 98%. Dibandingkan dengan studi terdahulu, kontribusi utama dari penelitian ini terletak pada pengembangan sistem klasifikasi otomatis berbasis web yang dapat diintegrasikan langsung ke dalam proses evaluasi layanan. Sistem ini memungkinkan manajemen klinik untuk melakukan analisis sentimen dalam mengambil keputusan berbasis data dalam rangka meningkatkan kepuasan serta kualitas layanan kesehatan gigi secara berkelanjutan. Abstract Quality healthcare services are a key factor in ensuring patient satisfaction, as stipulated in the Indonesian Ministry of Health Regulation No. 4 of 2019 concerning Minimum Service Standards (SPM). In an effort to improve service quality, Praktek Mandiri Bersama Antarmedika Dentalcare applies data-driven sentiment analysis to patient reviews obtained from Google Maps, social media, and Patient Satisfaction Surveys (SKP). This study employs the Extreme Gradient Boosting (XGBoost) algorithm with Term Frequency-Inverse Document Frequency (TF-IDF) word weighting to classify 500 patient reviews into positive and negative sentiment categories. The model achieved an accuracy of 96%, with a precision of 0.96 and a recall of 0.98. Compared to previous studies, the main contribution of this research lies in the development of an automated web-based sentiment classification system that can be directly integrated into the clinic’s service evaluation processes. This system enables the clinic management to perform real-time sentiment analysis and make data-driven decisions aimed at continuously improving customer satisfaction and the quality of dental healthcare services.

Inggris

Pelayanan kesehatan yang berkualitas menjadi faktor utama dalam kepuasan pasien, sebagaimana diatur dalam Peraturan Menteri Kesehatan Republik Indonesia Nomor 4 Tahun 2019 tentang Standar Pelayanan Minimal (SPM). Dalam upaya meningkatkan kualitas layanan, Praktek Mandiri Bersama Antarmedika Dentalcare menerapkan analisis sentimen berbasis data terhadap ulasan pasien yang diperoleh dari Google Maps, media sosial, dan Survei Kepuasan Pasien (SKP). Penelitian ini menggunakan algoritma Extreme Gradient Boosting (XGBoost) dengan pendekatan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengklasifikasikan 500 ulasan pasien ke dalam dua kategori sentimen, yaitu positif dan negatif. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 96%, presisi 96%, dan recall 98%. Dibandingkan dengan studi terdahulu, kontribusi utama dari penelitian ini terletak pada pengembangan sistem klasifikasi otomatis berbasis web yang dapat diintegrasikan langsung ke dalam proses evaluasi layanan. Sistem ini memungkinkan manajemen klinik untuk melakukan analisis sentimen dalam mengambil keputusan berbasis data dalam rangka meningkatkan kepuasan serta kualitas layanan kesehatan gigi secara berkelanjutan. Abstract Quality healthcare services are a key factor in ensuring patient satisfaction, as stipulated in the Indonesian Ministry of Health Regulation No. 4 of 2019 concerning Minimum Service Standards (SPM). In an effort to improve service quality, Praktek Mandiri Bersama Antarmedika Dentalcare applies data-driven sentiment analysis to patient reviews obtained from Google Maps, social media, and Patient Satisfaction Surveys (SKP). This study employs the Extreme Gradient Boosting (XGBoost) algorithm with Term Frequency-Inverse Document Frequency (TF-IDF) word weighting to classify 500 patient reviews into positive and negative sentiment categories. The model achieved an accuracy of 96%, with a precision of 0.96 and a recall of 0.98. Compared to previous studies, the main contribution of this research lies in the development of an automated web-based sentiment classification system that can be directly integrated into the clinic’s service evaluation processes. This system enables the clinic management to perform real-time sentiment analysis and make data-driven decisions aimed at continuously improving customer satisfaction and the quality of dental healthcare services.

Kata kunci

Jaringan kolaborasi para penulis

3 penulis · 3 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, pertama di-harvest 27 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Analisis Sentimen Pasien terhadap Layanan Antarmedika Dentalcare Menggunakan Metode XGBoost</dc:title>
	<dc:title xml:lang="en">Analisis Sentimen Pasien terhadap Layanan Antarmedika Dentalcare Menggunakan Metode XGBoost</dc:title>
	<dc:creator xml:lang="en"> Ahana Vidiantara, Iko Raga</dc:creator>
	<dc:creator xml:lang="en">Yanuarti, Rosita</dc:creator>
	<dc:creator xml:lang="en">Setya Rintyarna, Bagus </dc:creator>
	<dc:creator xml:lang="id"> Ahana Vidiantara, Iko Raga</dc:creator>
	<dc:creator xml:lang="id">Yanuarti, Rosita</dc:creator>
	<dc:creator xml:lang="id">Setya Rintyarna, Bagus </dc:creator>
	<dc:subject xml:lang="id">Analisis Sentimen, XGBoost, TF-IDF, Kepuasan Pasien, Klasifikasi Sentimen</dc:subject>
	<dc:subject xml:lang="en">Analisis Sentimen</dc:subject>
	<dc:subject xml:lang="en">XGBoost</dc:subject>
	<dc:subject xml:lang="en">TF-IDF</dc:subject>
	<dc:subject xml:lang="en">Kepuasan Pasien</dc:subject>
	<dc:subject xml:lang="en">Klasifikasi Sentimen</dc:subject>
	<dc:description xml:lang="id">Pelayanan kesehatan yang berkualitas menjadi faktor utama dalam kepuasan pasien, sebagaimana diatur dalam Peraturan Menteri Kesehatan Republik Indonesia Nomor 4 Tahun 2019 tentang Standar Pelayanan Minimal (SPM). Dalam upaya meningkatkan kualitas layanan, Praktek Mandiri Bersama Antarmedika Dentalcare menerapkan analisis sentimen berbasis data terhadap ulasan pasien yang diperoleh dari Google Maps, media sosial, dan Survei Kepuasan Pasien (SKP). Penelitian ini menggunakan algoritma Extreme Gradient Boosting (XGBoost) dengan pendekatan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengklasifikasikan 500 ulasan pasien ke dalam dua kategori sentimen, yaitu positif dan negatif. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 96%, presisi 96%, dan recall 98%. Dibandingkan dengan studi terdahulu, kontribusi utama dari penelitian ini terletak pada pengembangan sistem klasifikasi otomatis berbasis web yang dapat diintegrasikan langsung ke dalam proses evaluasi layanan. Sistem ini memungkinkan manajemen klinik untuk melakukan analisis sentimen dalam mengambil keputusan berbasis data dalam rangka meningkatkan kepuasan serta kualitas layanan kesehatan gigi secara berkelanjutan.
 
Abstract
Quality healthcare services are a key factor in ensuring patient satisfaction, as stipulated in the Indonesian Ministry of Health Regulation No. 4 of 2019 concerning Minimum Service Standards (SPM). In an effort to improve service quality, Praktek Mandiri Bersama Antarmedika Dentalcare applies data-driven sentiment analysis to patient reviews obtained from Google Maps, social media, and Patient Satisfaction Surveys (SKP). This study employs the Extreme Gradient Boosting (XGBoost) algorithm with Term Frequency-Inverse Document Frequency (TF-IDF) word weighting to classify 500 patient reviews into positive and negative sentiment categories. The model achieved an accuracy of 96%, with a precision of 0.96 and a recall of 0.98. Compared to previous studies, the main contribution of this research lies in the development of an automated web-based sentiment classification system that can be directly integrated into the clinic’s service evaluation processes. This system enables the clinic management to perform real-time sentiment analysis and make data-driven decisions aimed at continuously improving customer satisfaction and the quality of dental healthcare services.</dc:description>
	<dc:description xml:lang="en">Pelayanan kesehatan yang berkualitas menjadi faktor utama dalam kepuasan pasien, sebagaimana diatur dalam Peraturan Menteri Kesehatan Republik Indonesia Nomor 4 Tahun 2019 tentang Standar Pelayanan Minimal (SPM). Dalam upaya meningkatkan kualitas layanan, Praktek Mandiri Bersama Antarmedika Dentalcare menerapkan analisis sentimen berbasis data terhadap ulasan pasien yang diperoleh dari Google Maps, media sosial, dan Survei Kepuasan Pasien (SKP). Penelitian ini menggunakan algoritma Extreme Gradient Boosting (XGBoost) dengan pendekatan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengklasifikasikan 500 ulasan pasien ke dalam dua kategori sentimen, yaitu positif dan negatif. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 96%, presisi 96%, dan recall 98%. Dibandingkan dengan studi terdahulu, kontribusi utama dari penelitian ini terletak pada pengembangan sistem klasifikasi otomatis berbasis web yang dapat diintegrasikan langsung ke dalam proses evaluasi layanan. Sistem ini memungkinkan manajemen klinik untuk melakukan analisis sentimen dalam mengambil keputusan berbasis data dalam rangka meningkatkan kepuasan serta kualitas layanan kesehatan gigi secara berkelanjutan.
 
Abstract
Quality healthcare services are a key factor in ensuring patient satisfaction, as stipulated in the Indonesian Ministry of Health Regulation No. 4 of 2019 concerning Minimum Service Standards (SPM). In an effort to improve service quality, Praktek Mandiri Bersama Antarmedika Dentalcare applies data-driven sentiment analysis to patient reviews obtained from Google Maps, social media, and Patient Satisfaction Surveys (SKP). This study employs the Extreme Gradient Boosting (XGBoost) algorithm with Term Frequency-Inverse Document Frequency (TF-IDF) word weighting to classify 500 patient reviews into positive and negative sentiment categories. The model achieved an accuracy of 96%, with a precision of 0.96 and a recall of 0.98. Compared to previous studies, the main contribution of this research lies in the development of an automated web-based sentiment classification system that can be directly integrated into the clinic’s service evaluation processes. This system enables the clinic management to perform real-time sentiment analysis and make data-driven decisions aimed at continuously improving customer satisfaction and the quality of dental healthcare services.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2025-12-17</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/9967</dc:identifier>
	<dc:identifier>10.25126/jtiik.2025126</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 12 No 6: Desember 2025; 1337-1384</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 12 No. 6: Desember 2025; 1337-1384</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.2025126</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/9967/1517</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2025 Iko Raga  Ahana Vidiantara, Rosita Yanuarti, Bagus  Setya Rintyarna</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>