Analisis Sentimen Ulasan Pengguna Aplikasi Kesehatan (Telemedicine) Sebagai Pendukung Keputusan Dalam Meningkatkan Kualitas Aplikasi Kesehatan

Abstract

Pengguna internet di Indonesia meningkat setiap tahunnya. Perangkat yang mendukung dan banyak digunakan dalam mengakses internet adalah smartphone. Hal ini menjadikan berkembangnya start-up atau bisnis yang mengembangkan sebuah aplikasi mobile yang tersedia pada smartphone. Pada tahun 2020, terjadi pandemi global yang disebabkan oleh virus covid-19. Adanya pandemi tersebut mengharuskan individu untuk menjaga jarak dalam upaya menghindari penularan virus tersebut. Hal ini mengakibatkan penggunaan aplikasi mobile menjadi sangat dibutuhkan, salah satunya adalah aplikasi kesehatan telemedicine. Pengguna dari aplikasi tersebut mengalami peningkatan jumlahnya, sehingga perlu adanya peningkatan kualitas pada aplikasi telemedicine dengan memanfaatkan kolom komentar/ulasan yang diberikan pengguna melalui google play store. Komentar/ulasan yang tersedia merupakan data tidak terstruktur sehingga pendekatan yang dapat dilakukan untuk mengolah data tersebut adalah dengan analisis sentimen. Pada penelitian ini, menggunakan pendekatan analisis sentimen untuk menunjukkan gambaran umum terkait aplikasi telemedicine dan keluhan yang dialami pengguna. Hasil penelitian menunjukkan pada periode Maret – Juni 2020 adalah sangat suka terhadap aplikasi telemedicine berjumlah 84,3%, suka berjumlah 9%, netral berjumlah 2,51%, tidak suka berjumlah 0,92%, dan sangat tidak suka berjumlah 3,27%. Informasi yang didapatkan pada kelas sentimen positif untuk keseluruhan aplikasi kesehatan (telemedicine) adalah aplikasi sangat membantu pengguna, selain itu aplikasi memiliki respon yang cepat serta pelayanan yang sopan dan ramah. Pada kelas sentimen negatif, informasi yang didapatkan, pengguna memberikan keluhan terkait data pengguna, adanya promosi yang dilakukan dengan melakukan telepon secara berulang kali, kegagalan dalam masuk aplikasi atau dalam melakukan pendaftaran, adanya pelayanan yang diberikan tidak ramah, dan fitur beli obat. Pada ulasan negatif tersebut teridentifikasi menjadi 16 buah keluhan yang kemudian dikelompokkan menjadi 5 kelompok yaitu people, price, process, product, dan promotion.