ANALISIS SENTIMEN DAN TOPIC MODELING ULASAN MOBILE JKN MENGGUNAKAN NAIVE BAYES, SMOTE, INFORMATION GAIN DAN LATENT DIRICHLET ALLOCATION (LDA)

Aplikasi Mobile JKN merupakan layanan digital BPJS Kesehatan yang menyediakan berbagai fitur pelayanan kesehatan bagi masyarakat. Pada Google Play Store memuat banyak ulasan pengguna sehingga proses pemeriksaan secara manual menjadi kurang efektif, sehingga analisis sentimen otomatis diperlukan untuk memahami pendapat pengguna terhadap aplikasi Mobile JKN. Penelitian ini bertujuan melakukan analisis sentimen terhadap ulasan pengguna Mobile JKN menggunakan algoritma Multinomial Naive Bayes serta mengidentifikasi topik dominan pada setiap sentimen menggunakan Latent Dirichlet Allocation (LDA) Berdasarkan hasil penelitian, kombinasi SMOTE dan Information Gain mampu meningkatkan performa klasifikasi sentimen. Skenario terbaik dengan kombinasi Naive Bayes, SMOTE dan Information Gain menghasilkan akurasi sebesar 90%, presisi sebesar 90%, recall sebesar 91%, dan F1-score sebesar 90%. Selain itu, pemodelan topik menggunakan Latent Dirichlet Allocation (LDA) berhasil mengidentifikasi topik dominan pada setiap sentimen. Pada sentimen negatif, topik yang dominan berkaitan dengan masalah verifikasi email dan pendaftaran, kendala antrean online, login dan pembaruan aplikasi, kendala kode OTP dan verifikasi akun. Pada sentimen positif, topik yang dominan mencakup kemudahan penggunaan aplikasi, kelengkapan fitur, kecepatan layanan, manfaat aplikasi, serta apresiasi pengguna terhadap Mobile JKN. Sentimen netral didominasi oleh topik mengenai informasi umum terkait fitur dan layanan aplikasi