Penelitian ini menerapkan algoritma Latent Dirichlet Allocation(LDA) untuk mengidentifikasi topik utama dari ulasan pasien RSUD Syarifah Ambami Rato Ebu Bangkalan yang diperoleh melalui platform Google Maps. Sebanyak 2.004 ulasan dianalisis setelah melalui tahap Preprocessing yang meliputi Cleaning, Case Folding, normalisasi, tokenisasi, Stopword Removal, dan Stemming. Pemodelan dilakukan dengan eksplorasi parameter α dan β untuk memperoleh hasil terbaik berdasarkan nilai Coherence Score. Hasil penelitian menunjukkan terbentuknya 10 topik utama, yang mencakup aspek pelayanan dokter, sikap perawat, antrian pengambilan obat, kebersihan ruang tunggu, dan administrasi BPJS. Nilai Coherence Score tertinggi diperoleh sebesar 0,5273, menunjukkan bahwa model memiliki kualitas topik yang cukup baik dan mampu merepresentasikan persepsi pasien secara semantik. Temuan ini memperlihatkan bahwa ulasan digital dapat menjadi sumber data yang bernilai dalam memahami pengalaman serta kebutuhan pengguna layanan kesehatan. Hasil penelitian ini dapat menjadi masukan bagi manajemen RSUD dalam meningkatkan kualitas pelayanan dan melakukan evaluasi berbasis data terhadap kepuasan pasien.


Deskripsi Lain

This study applies the Latent Dirichlet Allocation (LDA) algorithm to identify the main topics from patient reviews of RSUD Syarifah Ambami Rato Ebu Bangkalan collected through the Google Maps platform. A total of 2,004 reviews were analyzed after undergoing a preprocessing stage that included cleaning, case folding, normalization, tokenization, stopword removal, and stemming. The modeling process involved exploring the α and β parameters to obtain the best results based on the Coherence Score. The findings revealed ten main topics covering aspects such doctors’ services, nurses’ attitudes, queues for medication collection, cleanliness of waiting areas, and BPJS administration. The highest Coherence Score obtained was 0.5273, indicating that the model produced topics of reasonably good quality and was able to semantically represent patients’ perceptions. These findings demonstrate that digital reviews can serve a valuable data source for understanding user experiences and healthcare service needs. The results of this study may serve input for the management of RSUD to improve service quality and conduct data-driven evaluations of patient satisfaction.

• Pengaruh Penggunaan Preprocessing Pada Tingkat Similaritas Dokumen Menggunakan Algoritma Rabin-Karp (Studi Kasus : Abstrak Karya Ilmiah)
• ANALISIS TOPIC MODELLING MENGENAI ULASAN PENGGUNA TERHADAP APLIKASI MOBILE BANKING MENGGUNAKAN LATENT DIRICHLET ALLOCATION
• Analisis sentimen opini masyarakat terhadap penerima beasiswa kartu Indonesia pintar kuliah pada media sosial Twitter dengan metode support vector machine
• Analisis Sentimen Ulasan M-Pajak Menggunakan Algoritma Support Vector Machine, Naive Bayes, dan KNN
• ANALISIS TRENDING TOPIK MENGGUNAKAN TOPIC MODELLING PADA ARTIKEL BERITA POLITIK DI DETIK.COM MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA)