Analisis Sentimen Multi-Aspek pada Ulasan Aplikasi MySiloam Menggunakan Pipeline BERTopic dengan Perbandingan Algoritma Clustering

Jihan Hasna Iftinan (Universitas Pembangunan Nasional “Veteran” Jawa Timur)
Eka Dyar Wahyuni (Universitas Pembangunan Nasional “Veteran” Jawa Timur)
Reisa Permatasari (Universitas Pembangunan Nasional “Veteran” Jawa Timur)

INFORMASI (Jurnal Informatika dan Sistem Informasi)
Vol 18 No 1 (2026): INFORMASI (Jurnal Informatika dan Sistem Informasi)

Tingginya volume ulasan pengguna aplikasi kesehatan digital belum dimanfaatkan secara optimal untuk memahami aspek spesifik yang memengaruhi pengalaman pengguna. Penelitian ini bertujuan menganalisis sentimen berbasis multi-aspek pada ulasan aplikasi MySiloam menggunakan metode BERTopic untuk ekstraksi aspek dan SVM One-vs-One untuk klasifikasi sentimen. Sebanyak 2.657 ulasan dikumpulkan dari Google Play Store dan App Store rentang 2019–2025, disaring menjadi 1.699 ulasan setelah preprocessing. BERTopic dijalankan dengan perbandingan tiga algoritma clustering (HDBSCAN, BIRCH, K-Means) dan klasifikasi sentimen dibandingkan dalam dua skenario yaitu pendekatan dua tahap dan klasifikasi gabungan. K-Means dengan stemming menghasilkan tiga aspek layanan utama dengan kualitas topik terbaik, sementara pendekatan dua tahap menghasilkan F1-score tertinggi 89,53%, membuktikan bahwa kombinasi BERTopic dan SVM OvO efektif sebagai solusi otomatis analisis sentimen berbasis aspek pada ulasan aplikasi kesehatan digital berbahasa Indonesia.