Analisis sentimen adalah salah satu cabang pengolahan bahasa alami yang bertujuan untuk mengidentifikasi dan mengkategorikan opini yang diekspresikan dalam teks. Dalam konteks pelayanan kesehatan, analisis sentimen dapat digunakan untuk memahami persepsi dan pengalaman pasien terhadap layanan yang diberikan oleh rumah sakit. Penelitian ini bertujuan untuk mengembangkan model hybrid yang menggabungkan RoBERTa, CNN, dan Multi-head Attention untuk klasifikasi sentimen pada ulasan pelanggan di Rumah Sakit Umum Daerah (RSUD) Dr. Moewardi Surakarta. Model hybrid ini dievaluasi dalam mengklasifikasikan sentimen pada dataset yang dilabeli secara otomatis dan manual. Hasil evaluasi menunjukkan bahwa model RoBERTa-CNN dengan Multi-head Attention memiliki performa terbaik dengan nilai rata-rata accuracy 88.73%, precision 83.42%, recall 74.83%, dan F1-score 78.06%. Peningkatan signifikan terutama terjadi pada metrik recall dan F1-score, menunjukkan bahwa model lebih efektif dalam menangkap kelas minoritas netral yang sering kali sulit dikenali dalam dataset yang tidak seimbang. Selain itu, penelitian ini juga mengidentifikasi pola sentimen dominan dalam ulasan pelanggan untuk memberikan wawasan tentang persepsi umum pasien terhadap layanan rumah sakit. Temuan ini penting untuk meningkatkan kualitas pelayanan rumah sakit melalui analisis sentimen pelanggan.
