ASPECT-BASED SENTIMENT ANALYSIS PADA ULASAN LAYANAN KESEHATAN MENGGUNAKAN BILSTM DAN LABEL POWERSET

Layanan kesehatan merupakan salah satu sektor yang banyak menerima ulasan dari masyarakat melalui platform digital, salah satunya Google Maps. Ulasan tersebut mengandung informasi penting mengenai pengalaman pasien terhadap kualitas layanan yang diberikan oleh rumah sakit. Penelitian ini bertujuan untuk menganalisis sentimen berbasis aspek (Aspect-Based Sentiment Analysis/ABSA) pada ulasan layanan kesehatan menggunakan model Bidirectional Long Short-Term Memory (BiLSTM) dengan pendekatan Label Powerset untuk menangani klasifikasi multi-label. Dataset yang digunakan terdiri dari 2.000 ulasan pasien yang dikumpulkan dari Google Maps pada empat rumah sakit di Jawa Timur, yaitu Rumah Sakit Siloam Surabaya, PHC Surabaya, Persada Hospital Malang, dan Rumah Sakit Mitra Keluarga Surabaya. Aspek yang dianalisis dalam penelitian ini meliputi kualitas pelayanan medis dan staf, fasilitas dan infrastruktur, waktu tunggu, serta biaya layanan. Data ulasan melalui beberapa tahapan, yaitu preprocessing, pelabelan manual, transformasi label menggunakan Label Powerset, serta pemodelan menggunakan BiLSTM. Pengujian dilakukan pada 24 skenario kombinasi yang melibatkan variasi Top-N label (Top-3, Top-5, Top-10, dan Top-15), jumlah epoch (10, 15, dan 20), serta nilai dropout (0,25 dan 0,50). Evaluasi model dilakukan menggunakan metode 5-fold cross validation dengan metrik akurasi. Hasil penelitian menunjukkan bahwa skenario terbaik diperoleh pada konfigurasi Top-3, epoch 10, dan dropout 0,50 dengan akurasi testing sebesar 78,42%. Hasil ini menunjukkan bahwa variasi jumlah Label Powerset berpengaruh signifikan terhadap kinerja model, peningkatan jumlah epoch tidak selalu menghasilkan akurasi yang lebih tinggi, dan penggunaan dropout 0,50 terbukti lebih optimal dalam mengurangi overfitting.