Kualitas hidup manusia dapat ditentukan oleh
tingkat kesehatan individu. Salah satu penunjang tingkat kesehatan adalah akses
pelayanan kesehatan. Di era teknologi ini telemedicine menjadi salah satu
alternatif yang dinilai mampu memudahkan akses pelayanan kesehatan. Halodoc
merupakan aplikasi telemedicine nomor satu di Indonesia. Tercatat 20 juta lebih
pengguna Halodoc di google
playstore. Ulasan pengguna atau user review adalah gambaran penting
dari pengguna terhadap aplikasi Halodoc. Analisis sentiment user review diperlukan guna mengetahui
polaritas sentiment user terhadap aplikasi Halodoc. Pada penelitian ini ditentukan dua polaritas
yaitu positive dan negatif. Pelabelan data menggunakan InSet Lexicon yang kemudian dianalisa
pemaknaannya. Ternyata InSet Lexicon
memiliki beberapa pemaknaan
yang kurang relevan dengan domain data teks user review aplikasi Halodoc. Hasilnya,
sebanyak 3121 user review berlabel positive dan 4378 user review berlabel negative. Dibandingkan dengan manual data
labelling, Inset Lexicon memberikan hasil akurasi
sebesar 43%. Kemudian data dilatih dan dilakukan prediksi menggunakan Support Vector Machine dengan dua kernel yaitu kernel linear dan kernel radial basis function. Support Vector Machine dengan kernel radial basis menunjukkan hasil yang lebih baik dengan akurasi 93.7%.
