ANALISIS SENTIMEN BERBASIS ASPEK PADA LAYANAN KESEHATAN PUBLIK MENGGUNAKAN MODEL BERT

Pencapaian Sustainable Development Goals (SDGs) tujuan ketiga sangat bergantung pada kualitas pelayanan kesehatan publik yang prima. Saat ini, ulasan daring di platform digital menjadi sumber data berharga namun tidak terstruktur yang mencerminkan pengalaman nyata pasien. Analisis sentimen tradisional seringkali gagal menangkap detail spesifik karena narasi pasien umumnya mengandung opini terhadap berbagai aspek layanan secara bersamaan. Penelitian ini bertujuan mengimplementasikan model Bidirectional Encoder Representations from Transformers (BERT) untuk Analisis Sentimen Berbasis Aspek (ABSA) pada layanan kesehatan publik di Kota Pekanbaru. Sebanyak 9.542 ulasan dari sembilan rumah sakit dikumpulkan melalui teknik web scraping dari Google Maps. Metodologi penelitian mencakup pra-pemrosesan teks dan pengembangan model dua tahap menggunakan arsitektur IndoBERT untuk deteksi aspek dan klasifikasi sentimen. Hasil penelitian berhasil mengidentifikasi sembilan aspek utama: accessibility, accuracy, consultation, efficiency, environment, interactions, safety, tangibility, dan timeliness. Evaluasi menunjukkan model bekerja sangat efektif dengan nilai F1-Score sebesar 0,94 untuk aspek interactions dan 0,92 untuk timeliness. Temuan mengungkapkan bahwa kualitas interaksi interpersonal merupakan pendorong utama kepuasan, sedangkan ketepatan waktu pelayanan menjadi area kritis yang paling banyak dikeluhkan. Secara keseluruhan, penerapan IndoBERT terbukti mampu menghasilkan wawasan mendalam yang dapat ditindaklanjuti oleh penyedia layanan kesehatan guna meningkatkan kualitas pelayanan publik selaras dengan agenda pembangunan berkelanjutan.