Analisis Sentimen menggunakan IndoBERT dan Tren Topik Keluhan Pasien pada Ulasan Google Maps Rumah Sakit Menggunakan Latent Dirichlet Allocation
DOI:
https://doi.org/10.58466/m86x0x75Kata Kunci:
Analisis Sentimen , Topic Modeling, Ulasan PasienAbstrak
Kepuasan pasien adalah indikator krusial mutu rumah sakit, namun manajemen sering kali hanya terpaku pada rating bintang yang tidak menjelaskan akar masalah. Penelitian ini mengembangkan model hibrida Natural Language Processing (NLP) menggunakan IndoBERT untuk klasifikasi sentimen ulasan Google Maps. Ulasan yang terklasifikasi sebagai sentimen negatif kemudian disaring dan diolah menggunakan metode Latent Dirichlet Allocation (LDA) untuk mengungkap tema tersembunyi pada keluhan pasien. Hasil pengujian menunjukkan model IndoBERT mencapai performa sangat tinggi dengan nilai akurasi 95,23%, presisi 95,22%, recall 95,23%, dan F1-score 95,22%. Analisis LDA berhasil mengidentifikasi 10 topik optimal yang terbagi ke dalam lima kategori keluhan utama: efisiensi waktu, layanan medis, fasilitas/parkir, prosedur administrasi, dan layanan spesialis. Integrasi IndoBERT dan LDA terbukti efektif mentransformasi ulasan digital mentah menjadi informasi strategis untuk evaluasi kualitas pelayanan rumah sakit secara otomatis.
Referensi
[1] A. Harokan, A. D. Priyatno, A. Wahyudi, S. Tinggi, I. Kesehatan, and B. Husada, “ANALISIS MUTU PELAYANAN TERHADAP KEPUASAN PASIEN RAWAT INAP RUMAH SAKIT UMUM DAERAH TAHUN2024,” vol. 9, no. 1, 2024.
[2] D. T. Rindasiwi, P. H. P. Tan, U. Pelita, and H. Jakarta, “The Influence of Hospital Brand Image , Health Service Quality and Patient Satisfaction on Loyalty at Arosuka Regional Hospital,” vol. 6, no. 4, pp. 247–267, 2024.
[3] S. Nabila, T. D. Santi, and H. Hasnur, “Analisis Manajemen Komplain terhadap Kualitas Pelayanan Kesehatan di Puskesmas Banda Raya Kecamatan Banda Raya Kota Banda Aceh,” vol. 4, no. 3, pp. 476–489, 2025, doi: 10.55123/insologi.v4i3.5231.
[4] P. Permatasari and N. A. Rajebta, “Improving Quality of Care on Patient Satisfaction in Health Service Facilities by Rating on Google Maps : Literature Review,” vol. 13, no. 2, pp. 276–285, 2025.
[5] A. Feizollah et al., “The Use of Natural Language Processing to Interpret Unstructured Patient Feedback on Health Services : Scoping Review,” vol. 27, pp. 1–13, 2025, doi: 10.2196/72853.
[6] A. A. Chamid, R. Nindyasari, N. Azizah, and A. Hariyadi, “Analysis of public opinion on the governor candidate debate using LDA and IndoBERT,” vol. 4, no. 3, 2025.
[7] B. Wilie et al., “IndoNLU : Benchmark and Resources for Evaluating Indonesian Natural Language Understanding,” pp. 843–857, 2020.
[8] I. Z. Mustaqim and R. R. Suryono, “A Systematic Literature Review of Topic Modeling Techniques in User Reviews,” vol. 11, no. 2, pp. 238–253, 2025.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Naufal Muhammad Afif, Ghufron Ghufron
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
