ANALISIS SENTIMEN BERBASIS ASPEK TERHADAP PELAYANAN KESEHATAN DI PULAU MADURA BERDASARKAN ULASAN DI GOOGLE MAPS MENGGUNAKAN RoBERTa

Kualitas pelayanan kesehatan merupakan faktor fundamental yang memengaruhi tingkat kepuasan dan loyalitas pasien terhadap fasilitas kesehatan di Pulau Madura. Ulasan daring pada platform Google Maps menyediakan data yang kaya akan opini publik, namun metode analisis sentimen konvensional seringkali gagal menangkap detail spesifik karena hanya mengklasifikasikan sentimen secara umum. Penelitian ini bertujuan untuk menerapkan Aspect Based Sentiment Analysis (ABSA) guna mengevaluasi layanan kesehatan berdasarkan aspek Dokter, Perawat, Fasilitas, dan Waktu Tunggu menggunakan model Deep Learning IndoRoBERTa. Metode yang diusulkan diterapkan melalui dua pendekatan yaitu, Named Entity Recognition (NER) dengan skema BIO Tagging untuk ekstraksi aspek, dan Sentence Pair Classification untuk klasifikasi sentimen per aspek. Pelatihan model dioptimalkan menggunakan teknik Early Stopping untuk mencegah overfitting serta konfigurasi learning rate tetap sebesar 0,00001. Kinerja model dievaluasi melalui skenario uji coba menggunakan metode Grid Search dengan memvariasikan batch size (16 dan 32) serta rasio pembagian data (80:20 dan 70:30). Hasil penelitian menunjukkan bahwa penggunaan learning rate yang kecil (0,00001) memberikan stabilitas pada bobot pretrained model. Teknik Early Stopping berhasil menghentikan pelatihan pada titik optimal, di mana klasifikasi aspek mencapai akurasi tertinggi sebesar 0,9743 pada epoch ke-12. Sementara itu, klasifikasi sentimen mencapai performa puncak dengan akurasi 0,9853 dan F1-Score 0,9837 hanya dalam 3 epoch. Hasil ini membuktikan keandalan IndoRoBERTa dalam memahami konteks ulasan kesehatan secara akurat dan efisien.