ANALISIS SENTIMEN DAN PEMODELAN TOPIK PADA ULASAN PENGGUNA TRANSJATIM MENGGUNAKAN ALGORITMA lOGISTIC REGRESSION DAN NON NEGATIVE MATRIX FACTORIZATION

Penelitian ini bertujuan untuk menganalisis sentimen dan mengidentifikasi topik yang terdapat pada ulasan pengguna layanan transportasi publik TransJatim yang diperoleh dari Google Play Store, media sosial X (Twitter), dan TikTok. Penelitian ini menggunakan kombinasi metode Logistic Regression untuk klasifikasi sentimen dan Non-Negative Matrix Factorization (NMF) untuk pemodelan topik, sehingga hasil analisis dapat memberikan gambaran yang lebih menyeluruh. Dataset yang digunakan terdiri dari 2.656 ulasan yang telah melalui tahap preprocessing, ekstraksi fitur menggunakan TF-IDF, serta penyeimbangan data dengan metode SMOTE untuk mengatasi ketidakseimbangan kelas. Hasil pengujian menunjukkan bahwa model Logistic Regression memiliki kinerja yang sangat baik dengan nilai akurasi, presisi, recall, dan F1-score sebesar 0,9524. Model ini juga sangat baik dalam mendeteksi sentimen negatif dengan nilai recall mencapai 1,00, namun masih memiliki keterbatasan dalam mengenali sentimen positif dengan recall sebesar 0,73. Pada tahap pemodelan topik menggunakan NMF, diperoleh empat topik utama yang menggambarkan fokus ulasan pengguna, yaitu terkait rute perjalanan, operasional layanan, informasi layanan, serta pengalaman pengguna dalam menggunakan transportasi. Evaluasi menggunakan coherence score menghasilkan nilai 0,5564 yang menunjukkan bahwa topik yang dihasilkan cukup konsisten dan sesuai dengan makna data. Secara keseluruhan, kombinasi Logistic Regression dan NMF terbukti efektif dalam menganalisis sentimen sekaligus mengungkap struktur topik dari ulasan pengguna. Hasil penelitian ini diharapkan dapat menjadi dasar dalam pengambilan keputusan untuk meningkatkan kualitas layanan transportasi publik berbasis data.