Irsyad Nurhakim
Universitas Singaperbangsa Karawang

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Analisis Topik dan Sentimen pada Ulasan Pasien Menggunakan K-Means Clustering dan Lexicon-Based Scoring (Studi Kasus: Rumah Sakit XYZ) Irsyad Nurhakim; Ade Andri Hendriadi; Ahmad Khusaeri
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 3 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i3.9624

Abstract

Penelitian ini bertujuan memetakan persepsi kualitas layanan Rumah Sakit XYZ melalui analisis 2.324 ulasan pasien di Google Maps. Teks tidak terstruktur diolah menggunakan pendekatan text mining yang menggabungkan Lexicon-Based Scoring (kamus InSet) untuk analisis sentimen dan algoritma K-Means Clustering berbasis TF-IDF untuk pemodelan topik. Hasil analisis menunjukkan mayoritas ulasan bersentimen positif (83,35%) dan sisanya negatif (16,65%). Algoritma K-Means menghasilkan empat klaster topik optimal: Administrasi & BPJS (60,33%), Pelayanan Tenaga Medis (24,57%), Layanan Rawat Inap (10,54%), serta Fasilitas & Kenyamanan (4,56%). Integrasi kedua metode mengungkap bahwa Administrasi & BPJS adalah area paling kritis dengan ketidakpuasan tertinggi (26,2%). Sebagai implikasi manajerial, penelitian merekomendasikan integrasi SIMRS dengan Mobile JKN dan E-Prescription guna mereduksi waktu antrean dan mendukung peningkatan mutu layanan berbasis data.