<![CDATA[Perkembangan aplikasi kesehatan digital, khususnya aplikasi Elektrokardiogram (EKG), meningkatkan jumlah ulasan pengguna pada Google Play Store yang dapat dimanfaatkan sebagai sumber informasi untuk mengevaluasi kualitas aplikasi. Namun, ulasan pengguna bersifat tidak terstruktur sehingga sulit dianalisis secara manual. Penelitian ini bertujuan menganalisis sentimen dan mengidentifikasi topik utama pada ulasan pengguna aplikasi EKG menggunakan pendekatan Natural Language Processing (NLP). Metode yang digunakan adalah analisis sentimen dengan IndoBERT dan topic modeling dengan BERTopic. Dataset penelitian terdiri dari 1000 ulasan berbahasa Indonesia yang diperoleh melalui proses web scraping. Tahapan penelitian meliputi preprocessing, pembagian data latih dan uji, analisis sentimen, topic modeling, serta penyajian hasil dalam sistem informasi monitoring. Hasil penelitian menunjukkan bahwa model IndoBERT mampu melakukan klasifikasi sentimen dengan akurasi sebesar 72%, yang menunjukkan performa cukup baik, meskipun kemampuan klasifikasi pada sentimen negatif dan netral masih terbatas akibat ketidakseimbangan distribusi data. BERTopic berhasil mengidentifikasi topik utama, meliputi akurasi aplikasi, kemudahan penggunaan, serta kendala teknis seperti error dan masalah kamera. Integrasi kedua metode memberikan analisis yang lebih komprehensif karena mampu menunjukkan kecenderungan sentimen sekaligus isu utama yang dibahas pengguna. Hasil analisis divisualisasikan melalui sistem informasi monitoring sehingga dapat mendukung evaluasi aplikasi berbasis data.]]>
