Analisis Sentimen Respons Twitter terhadap Persyaratan Badan Penyelenggara Jaminan Sosial (BPJS) di Kantor Pertanahan
Notice bibliographique
Résumé
The Indonesian government has issued a policy regarding applications for registration services for the transfer of land rights or ownership rights to apartment units because buying and selling must be accompanied by a photocopy of the BPJS Health participant card. This policy has given rise to various kinds of public opinion, including that of internet residents (netizens) on Twitter and social media. This research aims to determine netizens' responses to this policy. This research uses quantitative methods. Crawling and data analysis use the Python programming language or lexicon-based method with the program execution time before August 19, 2023. The research results show that as many as 57.7% of Twitter users' opinions responded positively to BPJS requirements for service activities at land offices, compared to opinions that responded negatively by as much as 33.1% and neutrally by as much as 9.2%. Based on the source, tweets from government accounts tend to give positive responses, while personal accounts give negative responses. Sentiment analysis can provide valuable insight for the government and related agencies to evaluate and improve public services quickly and practically by examining the views, concerns, and hopes of the community regarding the policies that have been established. Pemerintah Indonesia mengeluarkan kebijakan pada permohonan pelayanan pendaftaran peralihan hak atas tanah atau hak milik atas satuan rumah susun karena jual beli harus dilengkapi dengan fotokopi kartu peserta BPJS Kesehatan. Kebijakan tersebut menimbulkan berbagai macam opini masyarakat, termasuk warga internet (netizen) di media sosial twitter. Penelitian ini bertujuan untuk mengetahui tanggapan netizen terhadap kebijakan tersebut. Penelitian ini menggunakan metode kuantitatif. Crawling dan analisis datanya menggunakan bahasa pemrograman python atau metode lexicon-based dengan waktu execute program sebelum tanggal 19 Agustus 2023. Hasil penelitian menunjukkan sebanyak 57,7% opini pengguna twitter memberikan tanggapan positif terhadap persyaratan BPJS pada kegiatan pelayanan di kantor pertanahan, opini yang menanggapi negatif sebanyak 33,1%, dan netral sebanyak 9,2%. Berdasarkan sumbernya, tweet dari yang berasal dari akun milik pemerintah cenderung memberikan tanggapan positif, sedangkan akun personal memberikan tanggapan negatif. Analisis sentimen dapat memberikan wawasan yang berharga bagi pemerintah dan instansi terkait untuk mengevaluasi serta meningkatkan pelayanan publik secara cepat dan praktis dengan mengkaji pandangan, kekhawatiran, dan harapan masyarakat atas kebijakan yang telah ditetapkan.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».