Analisis Sentimen Kepuasan Masyarakat terhadap Google Review Pelayanan Metro Hospitals Group Berbasis BERT dan Model IndoBERT

Abstrak

Kualitas pelayanan rumah sakit berperan penting dalam membangun kepercayaan dan
loyalitas pasien. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap pelayanan Metro
Hospitals Group berdasarkan ulasan Google Reviews selama sepuluh tahun terakhir. Data dikumpulkan
melalui web scraping dan dianalisis menggunakan model deep learning BERT Multilingual dan
IndoBERT. Tahapan penelitian meliputi preprocessing, pelabelan sentimen (manual dan otomatis),
pelatihan model, serta evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil
menunjukkan kedua model memiliki kinerja tinggi dengan akurasi 94%–96%. BERT Multilingual
mencapai akurasi tertinggi 96% dan F1-score 0,95 pada dataset manual, sedangkan IndoBERT unggul
pada dataset otomatis dengan akurasi dan F1-score 96%. Faktor utama yang memengaruhi sentimen
meliputi kualitas pelayanan medis, kecepatan respons, keramahan staf, fasilitas, dan kebersihan. Secara
keseluruhan, IndoBERT direkomendasikan untuk analisis sentimen berbahasa Indonesia di domain
kesehatan, serta dapat menjadi dasar strategis dalam peningkatan mutu pelayanan rumah sakit berbasis
data.