PIESCEScare Evaluasi Mutu Layanan Rumah Sakit (Framework PIECES & LDA Topic Modeling)

Dashboard Analisis Sentimen Ulasan Rumah Sakit

Hasil Klasifikasi Data Ulasan Pasien Menggunakan Model Support Vector Machine (SVM) & TF-IDF Vectorizer

Data RS Terverifikasi (2.218 Ulasan)
SVM Kernel: Linear | Fitur: 1.814 TF-IDF
Total Ulasan Diproses

2218


Sentimen Positif 1669 (75.25%)
Sentimen Negatif 549 (24.75%)
Ringkasan Insight Analisis

Apresiasi pasien tertuju pada keramahan pelayanan dokter/perawat, kebersihan ruangan, dan kemudahan fasilitas pendaftaran.

Keluhan utama terfokus pada lamanya antrean farmasi/obat, lamanya waktu tunggu pendaftaran, serta komunikasi petugas.
Proporsi Sentimen Pasien
Distribusi perbandingan ulasan Positif vs Negatif
Kata Kunci Dominan (Hasil Preprocessing)
Frekuensi kemunculan kata kunci berbobot dalam dataset ulasan
Evaluasi Metrik Klasifikasi Model SVM
Hasil pengujian model Support Vector Machine berbasis pembagian data 80:20 (Testing 444 data)
Linear Kernel (80:20)
Accuracy

95.05%

Precision

96.98%

Recall

96.40%

F1-Score

96.69%