PENGEMBANGAN SISTEM MANAJEMEN PERAWAT BERBASIS ANALISIS SENTIMEN MEDIA SOSIAL UNTUK MEMPREDIKSI BURNOUT DAN TURNOVER

Abstract

Isu burnout dan tingginya angka perawat yang keluar dari pekerjaan adalah masalah serius di sektor kesehatan. Metode deteksi yang ada saat ini, seperti survei atau wawancara, sering kali terlambat karena sifatnya yang reaktif. Padahal, data menunjukkan bahwa angka turnover perawat secara global mencapai 16% dan di Indonesia, lebih dari 80% tenaga kesehatan mengalami kelelahan kerja pada tingkat sedang hingga berat. Masalah ini menciptakan kesenjangan antara kebutuhan akan deteksi dini dan keterbatasan cara konvensional. Studi ini menawarkan solusi proaktif melalui pengembangan sistem manajemen perawat yang unik. Sistem ini bekerja dengan menganalisis sentimen dan pola bahasa dari media sosial. Penelitian ini bertujuan menemukan tanda awal kelelahan atau niat mengundurkan diri. Penelitian ini mengadopsi mixed-method approach, dengan desain sequential explanatory dan Design Science Research Methodology (DSRM). Pendekatan kuantitatif melibatkan analisis sentimen dari 50.000 postingan yang dikumpulkan dari 1.000 akun perawat (Twitter, Instagram, Facebook, dan LinkedIn) menggunakan teknik purposive dan stratified random sampling. Data kualitatif diperoleh melalui survei validasi terhadap 300 responden dan wawancara mendalam dengan 20 informan kunci untuk memberikan pemahaman kontekstual. Analisis data kuantitatif menggunakan machine learning, sedangkan data kualitatif dianalisis dengan analisis tematik. Model ini terbukti mampu memprediksi burnout dengan akurasi 85% dan niat resign dengan akurasi 88%. Data kualitatif juga memperkuat temuan ini dengan mengungkap masalah seperti beban kerja yang berat dan minimnya dukungan dari manajemen. Dengan demikian, penelitian ini membuktikan bahwa pemanfaatan teknologi prediktif dapat menjadi instrumen penting untuk menciptakan lingkungan kerja yang lebih sehat dan berkelanjutan bagi para perawat, yang pada akhirnya akan meningkatkan kualitas layanan rumah sakit.