SENTIMEN PUBLIK TERHADAP IMPLEMENTASI SISTEM KELAS RAWAT INAP STANDAR (KRIS) SEBAGAI PENGGANTI KELAS BPJS KESEHATAN: PENDEKATAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) (STUDI KASUS: SENTIMEN DATA APLIKASI TIKTOK)

Pelayanan kesehatan yang adil dan merata merupakan pilar utama dalam mewujudkan
pembangunan berkelanjutan. Sebagai bagian dari upaya pemerataan pelayanan kesehatan,
pemerintah menginisiasi kebijakan Sistem Kelas Rawat Inap Standar (KRIS) yang
ditetapkan melalui Peraturan Presiden Nomor 59 Tahun 2024. Kebijakan ini
menggantikan sistem kelas rawat inap I, II, dan III menjadi kelas standar agar seluruh
peserta Jaminan Kesehatan Nasional (JKN) memperoleh layanan setara tanpa
diskriminasi. Kebijakan ini menuai beragam respons publik, baik berupa dukungan
maupun kritik, yang banyak disuarakan melalui media sosial seperti TikTok. Penelitian
ini bertujuan untuk menganalisis sentimen publik terhadap implementasi KRIS dengan
memanfaatkan algoritma Support Vector Machine (SVM). Data penelitian diperoleh dari
komentar pada platform TikTok dengan tagar relevan, kemudian diolah menggunakan
tahapan text preprocessing yang meliputi cleansing, normalisasi, stopword removal, dan
stemming. Selanjutnya, proses ekstraksi fitur dilakukan dengan metode TF-IDF, dan
permasalahan ketidakseimbangan kelas ditangani menggunakan teknik SmoteTomek.
Hasil penelitian menunjukkan bahwa algoritma SVM mampu memberikan performa
klasifikasi yang sangat baik dengan tingkat akurasi sebesar 91.74%, serta nilai presisi,
recall, dan F1-score yang tinggi pada setiap kelas sentimen. Analisis sentimen
mengungkapkan bahwa opini publik terhadap kebijakan KRIS cenderung beragam,
dengan dominasi awal sentimen netral yang mengindikasikan kurangnya informasi serta
adanya sebagian kekhawatiran masyarakat terkait kualitas layanan, keterbatasan fasilitas,
dan kejelasan regulasi. Temuan ini menegaskan pentingnya strategi komunikasi yang
lebih efektif dari pemerintah serta peningkatan kualitas layanan untuk mendukung
keberhasilan implementasi KRIS.
Kata Kunci: Analisis Sentimen, KRIS, BPJS Kesehatan, Support Vector Machine,
Media Sosial, TikTok.