Analisis Sentimen Multi-Aspek pada Ulasan Aplikasi MySiloam Menggunakan Pipeline BERTopic dengan Perbandingan Algoritma Clustering

  • Jihan Hasna Iftinan Universitas Pembangunan Nasional “Veteran” Jawa Timur
  • Eka Dyar Wahyuni Universitas Pembangunan Nasional “Veteran” Jawa Timur
  • Reisa Permatasari Universitas Pembangunan Nasional “Veteran” Jawa Timur
DOI: https://doi.org/10.37424/informasi.v18i1.556

Abstract

Tingginya volume ulasan pengguna aplikasi kesehatan digital belum dimanfaatkan secara optimal untuk memahami aspek spesifik yang memengaruhi pengalaman pengguna. Penelitian ini bertujuan menganalisis sentimen berbasis multi-aspek pada ulasan aplikasi MySiloam menggunakan metode BERTopic untuk ekstraksi aspek dan SVM One-vs-One untuk klasifikasi sentimen. Sebanyak 2.657 ulasan dikumpulkan dari Google Play Store dan App Store rentang 2019–2025, disaring menjadi 1.699 ulasan setelah preprocessing. BERTopic dijalankan dengan perbandingan tiga algoritma clustering (HDBSCAN, BIRCH, K-Means) dan klasifikasi sentimen dibandingkan dalam dua skenario yaitu pendekatan dua tahap dan klasifikasi gabungan. K-Means dengan stemming menghasilkan tiga aspek layanan utama dengan kualitas topik terbaik, sementara pendekatan dua tahap menghasilkan F1-score tertinggi 89,53%, membuktikan bahwa kombinasi BERTopic dan SVM OvO efektif sebagai solusi otomatis analisis sentimen berbasis aspek pada ulasan aplikasi kesehatan digital berbahasa Indonesia.

References

Aufar, A. F., Mochamad Alfan Rosid, Eviyanti, A., & Astutik, I. R. I. (2023). Optimizing Text Preprocessing for Accurate Sentiment Analysis on E-Wallet Reviews. JICTE (Journal of Information and Computer Technology Education), 7(2), 42–50. https://doi.org/10.21070/jicte.v7i2.1650

Badan Pusat Statistik. (2025). Cerita Data Statistik untuk Indonesia: Transformasi Digital – Menelusuri Asosiasi Digitalisasi dengan Pendidikan dan Kesehatan. Badan Pusat Statistik. https://www.bps.go.id/id/publication/2025/04/30/675c728bd4ed47751a4f3c36/cerita-data-statistik-untuk-indonesia---transformasi-digital--menelusuri-asosiasi-digitalisasi-dengan-pendidikan-dan-kesehatan.html

Badri, M., Haerani, E., Syafria, F., Okfalisa, O., & Oktavia, L. (2025). Penerapan Support Vector Machine Dengan Smote Untuk Klasifikasi Sentimen Pada Data Ulasan Aplikasi Trading View. Bulletin of Computer Science Research, 6(1), 314–324. https://doi.org/10.47065/bulletincsr.v6i1.793

Databokss. (2024). Indonesia peringkat ke-3 global dalam pemanfaatan aplikasi kesehatan. Katadata Databoks. https://databoks.katadata.co.id/produk-konsumen/statistik/e7e5f757216d534/indonesia-peringkat-ke-3-global-memanfaatkan-aplikasi-kesehatan

Du, K.-L., Jiang, B., Lu, J., Hua, J., & Swamy, M. N. S. (2024). Exploring Kernel Machines and Support Vector Machines: Principles, Techniques, and Future Directions. Mathematics, 12(24), 3935. https://doi.org/10.3390/math12243935

Egger, R., & Yu, J. (2022). A Topic Modeling Comparison Between LDA, NMF, Top2Vec, and BERTopic to Demystify Twitter Posts. Frontiers in Sociology, 7. https://doi.org/10.3389/fsoc.2022.886498

Girsang, R. A. R. B. (2024). ANALISIS SENTIMEN ULASAN PENGGUNA ALODOKTER DAN HALODOC MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). http://repository.unas.ac.id/id/eprint/11876

Hua, Y. C., Denny, P., Wicker, J., & Taskova, K. (2024). A systematic review of aspect-based sentiment analysis: domains, methods, and trends. Artificial Intelligence Review, 57(11), 296. https://doi.org/10.1007/s10462-024-10906-z

Imaduddin, H., A’la, F. Y., & Nugroho, Y. S. (2023). Sentiment Analysis in Indonesian Healthcare Applications using IndoBERT Approach. International Journal of Advanced Computer Science and Applications, 14(8). https://doi.org/10.14569/IJACSA.2023.0140813

Indonesia Sentinel. (2025). Survey shows 69% of young Indonesians rely on telehealth apps for healthcare needs. Indonesia Sentinel. https://indonesiasentinel.com/survey-shows-69-of-young-indonesians-rely-on-telehealth-apps-for-healthcare-needs/

Krippendorff, K. (2011). Computing Krippendorff’s Alpha-Reliability. Penn University of Pennsylvania. https://repository.upenn.edu/handle/20.500.14332/2089

Lia, A., Rahim, A., & Yoga Siswa, T. A. (2025). ANALISIS SENTIMEN APLIKASI MYSILOAM MENGGUNAKAN METODE NAÏVE BAYES. Jurnal Informatika Dan Teknik Elektro Terapan, 13(1). https://doi.org/10.23960/jitet.v13i1.5997

Ma, L., Chen, R., Ge, W., Rogers, P., Lyn-Cook, B., Hong, H., Tong, W., Wu, N., & Zou, W. (2025). AI-powered topic modeling: comparing LDA and BERTopic in analyzing opioid-related cardiovascular risks in women. Experimental Biology and Medicine, 250. https://doi.org/10.3389/ebm.2025.10389

Muhajir, M., Rosadi, D., & Danardono. (2024). Integrating Decision Tree and BIRCH Clustering Algorithms of BERTopic for Analyzing Public Sentiment on Dirtyvote Movie. Mathematical Modelling of Engineering Problems, 11(12), 3391–3401. https://doi.org/10.18280/mmep.111217

PT Siloam International Hospitals Tbk. (2025). Annual Report 2025. Siloam Hospitals. http://www.siloamhospitals.com

Ren, H., Liu, Y., Naren, G., & Lu, J. (2024). The impact of multidirectional text typography on text readability in word clouds. Displays, 83, 102724. https://doi.org/10.1016/j.displa.2024.102724

Sari Pranasti, A. (2025). Penerapan Analisis Sentimen Berbasis Aspek Menggunakan Mesin Vektor Pendukung pada Aplikasi Layanan Medis Digital. Journal of Comprehensive Science (JCS), 4(2), 780–797. https://doi.org/10.59188/jcs.v4i2.3047

Setiono, M. H. (2022). A KOMPARASI ALGORITMA DECISION TREE, RANDOM FOREST, SVM DAN K-NN DALAM KLASIFIKASI KEPUASAN PENUMPANG MASKAPAI PENERBANGAN. INTI Nusa Mandiri, 17(1), 32–39. https://doi.org/10.33480/inti.v17i1.3420

Shin, Y., Darbon, J., & Karniadakis, G. E. (2023). Accelerating gradient descent and Adam via fractional gradients. Neural Networks, 161, 185–201. https://doi.org/10.1016/j.neunet.2023.01.002

Wibowo, A., Indarti, I., & Laraswati, D. (2024). Komparasi Algoritma Decision Tree, Random Forest dan SVM untuk Prognosis COVID-19. IMTechno: Journal of Industrial Management and Technology, 5(2), 10–15. https://doi.org/10.31294/imtechno.v5i2.2868

Published
2026-05-22
Issue
Vol 18 No 1 (2026): INFORMASI (Jurnal Informatika dan Sistem Informasi)
Section
Articles

Copyright (c) 2026 INFORMASI (Jurnal Informatika dan Sistem Informasi)

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Tanggung jawab Penulis

  1. Penulis menyajikan artikel  penelitian atau hasil pemikiran secara jelas, jujur, dan tanpa plagiarisme.
  2. Penulis harus menunjukkan rujukan dari pendapat dan karya orang lain yang dikutip.
  3. Penulis bertanggungjawab atas konfirmasi yang diajukan atas artikel yang telah ditulis.
  4. Penulis harus menulis artikel secara etis, jujur, dan bertanggungjawab, sesuai dengan peraturan penulisan ilmiah yang berlaku.
  5. Penulis tidak keberatan jika artikel mengalami penyuntingan tanpa mengubah substansi