Analisis Sentimen Dan Pemodelan Topik Terhadap Respons Masyarakat Indonesia Terhadap BPJS KRIS Di Platform Youtube Menggunakan Indobert-GRU Dan LSA

Lukman, Muhammad Rizano (2025) Analisis Sentimen Dan Pemodelan Topik Terhadap Respons Masyarakat Indonesia Terhadap BPJS KRIS Di Platform Youtube Menggunakan Indobert-GRU Dan LSA. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026211083-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Kesehatan merupakan kebutuhan dasar yang diupayakan pemenuhannya oleh pemerintah Indonesia melalui BPJS Kesehatan. Kebijakan terbaru untuk mengganti sistem kelas 1, 2, dan 3 dengan Kelas Rawat Inap Standar (KRIS) bertujuan menciptakan kesetaraan layanan, namun memicu pro dan kontra di masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen dan topik utama dari persepsi publik terhadap kebijakan KRIS melalui komentar di platform YouTube. Penelitian ini diawali dengan scraping data dan pelabelan manual pada 3.000 komentar. Model analisis sentimen dibangun menggunakan IndoBERT + GRU. Sedangkan pemodelan topik menggunakan Latent Semantic Analysis (LSA). Hasil evaluasi menunjukkan model IndoBERT + GRU terpilih sebagai model sentimen terbaik dengan akurasi mencapai 90.03%. Saat diterapkan pada keseluruhan 14.945 komentar, ditemukan bahwa persepsi publik didominasi oleh sentimen netral berjumlah 11.174 komentar, diikuti Negatif berjumlah 2.517 komentar, dan Positif berjumlah 1.254 komentar. Pemodelan topik pada sentimen negatif mengungkap empat pilar kekhawatiran utama masyarakat, yaitu Isu Kenaikan Iuran, Penurunan Kualitas Fasilitas, Rasa Ketidakadilan Sistem, dan Peran Pemerintah. Di sisi lain, topik pada sentimen positif didominasi oleh harapan akan pemerataan layanan yang adil dan dukungan terhadap reformasi kesehatan oleh pemerintah. Penelitian ini menyimpulkan bahwa terdapat dualisme persepsi publik yaitu kekhawatiran yang bersifat pragmatis dan personal di satu sisi, serta harapan yang bersifat idealistis di sisi lain. Temuan ini memberikan masukan strategis bagi pemerintah untuk menyempurnakan komunikasi kebijakan dan mengelola ekspektasi masyarakat dalam implementasi KRIS.
========================================================================================================================================
Health is a fundamental need that the Indonesian government seeks to fulfill through BPJS Kesehatan. The latest policy to replace the class-based system (Classes 1, 2, and 3) with the Standard Inpatient Class (KRIS) aims to create equality in healthcare services but has sparked both support and criticism among the public. This study aims to analyze public sentiment and the main topics surrounding the KRIS policy based on comments on the YouTube platform. The research began with data scraping and manual labeling of 3,000 comments. A sentiment analysis model was built using IndoBERT + GRU, while topic modeling was conducted using Latent Semantic Analysis (LSA). Evaluation results showed that the IndoBERT + GRU model performed best, achieving an accuracy of 90.03%. When applied to a total of 14,945 comments, it was found that public perception was dominated by neutral sentiment with 11,174 comments, followed by negative sentiment with 2,517 comments, and positive sentiment with 1,254 comments. Topic modeling on the negative sentiment revealed four main areas of public concern: Rising Premium Costs, Declining Facility Quality, Perceived System Injustice, and the Role of the Government. On the other hand, topics within the positive sentiment were dominated by hopes for fair service distribution and support for the government's healthcare reform. The study concludes that there is a dualism in public perception: pragmatic and personal concerns on one side, and idealistic hopes on the other. These findings provide strategic input for the government to improve policy communication and manage public expectations in the implementation of KRIS.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	BPJS, KRIS, Analisis Sentimen, Pemodelan Topik, IndoBERT, GRU, LSA, BPJS, KRIS, Sentiment Analysis, Topic Modeling, IndoBERT, GRU, LSA
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. R Medicine > R Medicine (General) > R858 Deep Learning
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Rizano Lukman
Date Deposited:	29 Jul 2025 03:01
Last Modified:	29 Jul 2025 03:01
URI:	http://repository.its.ac.id/id/eprint/122513

Actions (login required)

View Item