Clustering Topik Pada Data Sentimen Bpjs Kesehatan Menggunakan Metode Latent Dirichlet Allocation (lda)

Abstract

Pemerintah Republik Indonesia dalam berupaya memberikan perlindungan kepada masyarakat melalui program jaminan sosial dengan menetapkan BPJS Kesehatan sebagai penyelenggara jaminan sosial di bidang kesehatan. Pelaksanaan program BPJS Kesehatan mendapatkan tanggapan positif, negatif, dan netral terkait kualitas layanan dan kebijakan nya oleh masyarakat melalui media sosial. Twitter sebagai salah satu media sosial untuk menyampaikan opini, kritik, dan saran pengguna nya terhadap BPJS Kesehatan. Banyaknya sentimen pengguna Twitter dapat menyulitkan dalam memahami topik pembahasan terkait kualitas layanan dan kebijakan dari BPJS Kesehatan. Penelitian ini bertujuan melakukan pengelompokan topik dari sentimen pengguna Twitter terkait BPJS Kesehatan dengan menggunakan metode Latent Dirichlet Allocation (LDA). Sehingga, dapat memudahkan dalam mengetahui topik pembicaraan yang sering dibahas oleh pengguna Twitter terkait BPJS Kesehatan. Pada tahap pengujian kinerja LDA diperoleh perplexity 6,0907 dengan nilai alpha sebesar 0.01, nilai beta sebesar 0.1, pada iterasi ke-170, dan jumlah topik 2 untuk sentimen positif. Kemudian, nilai perplexity 6,7364 dengan nilai alpha sebesar 0.001, nilai beta sebesar 0.1, pada iterasi ke-180, dan jumlah topik 2 untuk sentimen negatif. Sedangkan, untuk sentimen netral diperoleh nilai perplexity 6,2094 dengan nilai alpha sebesar 0.001, nilai beta sebesar 1, pada iterasi ke-160, dan jumlah topik 2. Kata kunci : topic modelling, latent dirichlet allocation, BPJS Kesehatan.