ANALISIS TOPIK PADA ULASAN LAYANAN BPJS KESEHATAN CABANG SURABAYA PADA GOOGLE MAPS MENGGUNAKAN NON-NEGATIVE MATRIX FACTORIZATION (NMF)

AbstrakrnLayanan kesehatan publik BPJS Kesehatan Cabang Surabaya menjadi fokus utama dalam penilaian kepuasan masyarakat melalui ulasan digital di Google Maps. Banyaknya ulasan yang tidak terstruktur memerlukan metode analisis otomatis untuk mengekstraksi informasi penting. Penelitian ini bertujuan untuk menerapkan topic modeling menggunakan algoritma Non-negative Matrix Factorization (NMF) untuk mengidentifikasi topik utama dari 3.009 ulasan pelanggan. Tahapan penelitian meliputi pengumpulan data, preprocessing teks (termasuk cleaning, case folding, tokenization, normalization, stopword removal, dan stemming), representasi kata dengan TF-IDF dan N-Gram (Unigram, Bigram, Trigram), serta pemodelan topik dengan variasi jumlah topik (k). Hasil pengukuran menunjukkan bahwa model mencapai performa optimal pada jumlah topik k=4 dengan nilai Coherence Score (C_v) sebesar 0,6984. Empat topik utama yang berhasil diidentifikasi adalah (1) Pelayanan Staf Lapangan (1.308 ulasan), (2) Kepuasan dan Evaluasi Kecepatan Layanan (378 ulasan), (3) Harapan Mutu dan Perkembangan bagi Masyarakat (302 ulasan), dan (4) Kendala Operasional Antrean dan Waktu Tunggu (293 ulasan). Hasil penelitian ini memberikan implikasi praktis bagi manajemen BPJS Kesehatan Cabang Surabaya untuk memprioritaskan perbaikan pada manajemen antrean fisik dan efisiensi waktu guna meningkatkan mutu pelayanan publik secara berkelanjutan. Kata Kunci: Topic Modeling, BPJS Kesehatan, Google Maps, Non-negative Matrix Factorization, Coherence Score.