Analisis Topik dan Sentimen pada Ulasan Pasien Menggunakan K-Means Clustering dan Lexicon-Based Scoring (Studi Kasus: Rumah Sakit XYZ)
Abstract
Penelitian ini bertujuan memetakan persepsi kualitas layanan Rumah Sakit XYZ melalui analisis 2.324 ulasan pasien di Google Maps. Teks tidak terstruktur diolah menggunakan pendekatan text mining yang menggabungkan Lexicon-Based Scoring (kamus InSet) untuk analisis sentimen dan algoritma K-Means Clustering berbasis TF-IDF untuk pemodelan topik. Hasil analisis menunjukkan mayoritas ulasan bersentimen positif (83,35%) dan sisanya negatif (16,65%). Algoritma K-Means menghasilkan empat klaster topik optimal: Administrasi & BPJS (60,33%), Pelayanan Tenaga Medis (24,57%), Layanan Rawat Inap (10,54%), serta Fasilitas & Kenyamanan (4,56%). Integrasi kedua metode mengungkap bahwa Administrasi & BPJS adalah area paling kritis dengan ketidakpuasan tertinggi (26,2%). Sebagai implikasi manajerial, penelitian merekomendasikan integrasi SIMRS dengan Mobile JKN dan E-Prescription guna mereduksi waktu antrean dan mendukung peningkatan mutu layanan berbasis data.
Downloads
References
A. C. T. Angel, V. H. Pranatawijaya, and Widiatry, “Analisis Sentimen dan Emosi dari Ulasan Google Maps untuk Layanan Rumah Sakit di Palangka Raya Menggunakan Machine Learning,” KONSTELASI: Konvergensi Teknologi dan Sistem Informasi, vol. 4, no. 1, Jun. 2024.
P. G. G. Wahyu, I. Setiawan, and R. I. Saputri, “Perilaku Pencarian Informasi Kesehatan Melalui Internet di Masyarakat,” Padjadjaran Journal of Dental Researchers and Students, vol. 7, p. 81, Feb. 2023, doi: 10.24198/pjdrs.v6i2.40474.
H. Purba and I. Irwansyah, “User Generated Content dan Pemanfaatan Media Sosial Dalam Perkembangan Industri Pariwisata: Literature Review,” Jurnal Professional: Jurnal Komunikasi & Administrasi Publik, vol. 9, no. 2, pp. 229–238, Dec. 2022, [Online]. Available: https://www.researchgate.net/publication/371539936
F. I. Syaputra and S. Wijayanto, “Analisis Sentimen Layanan Rumah Sakit di Purwokerto Berdasarkan Ulasan Google Maps Menggunakan Metode LSTM,” e-Proceeding of Engineering, vol. 12, no. 4, pp. 5763–5768, Aug. 2025.
M. M. Bujnowska-Fedak and P. Węgierek, “The impact of online health information on patient health behaviours and making decisions concerning health,” Int. J. Environ. Res. Public Health, vol. 17, no. 3, Jan. 2020, doi: 10.3390/ijerph17030880.
Y. Zhu and C. W. Piercy, “Impact of Online Patient Reviews: Three Choice-based Conjoint Experiments of Hospital and Physician Ratings,” Journal of Communication Technology, vol. 6, no. 1, Apr. 2024, doi: 10.51548/joctec.6.1.2024.01.
A. F. Rizki, W. Prihartono, and Fathurrohman, “Analisis Sentimen Ulasan Google Maps Rumah Sakit Khalishah Di Cirebon Dengan Algoritma Naive Bayes,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 2, Apr. 2025, doi: 10.23960/jitet.v13i2.6309.
N. S. W. Al Qorni, “Penerapan Algoritma K-Means Clustering Pada Ulasan Pengguna Merdeka Mengajar Di Play Store,” Aug. 2024.
I. Nurhakim and A. Voutama, “Analisis Efisiensi Pelayanan Kesehatan Dengan Visualisasi Data Interaktif Di Power BI,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 2, Apr. 2025, doi: 10.23960/jitet.v13i2.6355.
D. Musfiroh, U. Khaira, P. E. P. Utomo, and T. Suratno, “Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 1, no. 1, pp. 24–33, Apr. 2021.
R. F. Ramadhan, S. H. Wijoyo, and M. C. Saputra, “Penerapan Metode K-Means Clustering pada Ulasan Perumahan PT XYZ di Google Maps untuk Formulasi Strategi Bisnis dengan Analisis SWOT,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 6, pp. 2879–2888, Jun. 2023, [Online]. Available: http://j-ptiik.ub.ac.id
E. Kurniawan and N. Hendrastuty, “Penerapan Algoritma K-Means Untuk Melakukan Klasterisasi Pada Peringkasan Teks,” Jurnal Informatika Teknologi dan Sains (JINTEKS), vol. 6, Aug. 2024.
A. E. Widjaja, A. Fransisko, C. A. Haryani, and Hery, “Text Mining Application with K-Means Clustering to Identify Sentiments and Popular Topics: a Case Study of the three Largest Online Marketplaces in Indonesia,” Journal of Applied Data Sciences, vol. 4, no. 4, pp. 441–453, Dec. 2023, doi: 10.47738/jads.v4i4.134.
A. S. R. Rufaida, A. E. Permanasari, and N. A. Setiawan, “Lexicon-Based Sentiment Analysis Using Inset Dictionary: A Systematic Literature Review,” European Alliance for Innovation n.o., Jun. 2023. doi: 10.4108/eai.5-10-2022.2327474.
W. O. Puspitasari, M. Mustamin, J. Fitrianingsih, and M. T. Malik, “Analisis Status Akreditasi Rumah Sakit terhadap Kepuasan Tenaga Kesehatan dan Kepuasan Pasien di Rumah Sakit Hikmah Masamba,” Syntax Admiration, vol. 5, no. 12, Dec. 2024.
T. Jo, Text Mining Concepts, Implementation, and Big Data Challenge, vol. 45. Springer International Publishing AG, part of Springer Nature, 2019. [Online]. Available: http://www.springer.com/series/11970
P. Permatasari and N. A. Rajebta, “Improving Quality of Care on Patient Satisfaction in Health Service Facilities by Rating on Google Maps: Literature Review,” Care : Jurnal Ilmiah Ilmu Kesehatan, vol. 13, no. 2, pp. 276–285, Jul. 2025, doi: 10.33366/jc.v13i2.6454.
A. H. Dani, E. Y. Puspaningrum, and R. Mumpuni, “Studi Performa TF-IDF dan Word2Vec Pada Analisis Sentimen Cyberbullying,” vol. 2, no. 2, pp. 94–106, Jun. 2024, doi: 10.62951/router.v2i2.76.
R. Ramadhan, Y. A. Sari, and P. P. Adikara, “Perbandingan Pembobotan Term Frequency-Inverse Document Frequency dan Term Frequency-Relevance Frequency terhadap Fitur N-Gram pada Analisis Sentimen,” Nov. 2021. [Online]. Available: http://j-ptiik.ub.ac.id
J. Han, M. Kamber, and J. Pei, “Data Mining. Concepts and Techniques, 3rd Edition (The Morgan Kaufmann Series in Data Management Systems),” 2011.
P. Vania and B. Nurina Sari, “Perbandingan Metode Elbow dan Silhouette untuk Penentuan Jumlah Klaster yang Optimal pada Clustering Produksi Padi menggunakan Algoritma K-Means,” Jurnal Ilmiah Wahana Pendidikan, vol. 9, no. 21, pp. 547–558, 2023, doi: 10.5281/zenodo.10081332.
S. A. Nugraha, “Penerapan Lexicon Based Untuk Analisis Sentimen Masyarakat Indonesia Terhadap Danantara,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 3, Jun. 2025.
F. Koto and G. Y. Rahmaningtyas, “InSet Lexicon: Evaluation of a Word List for Indonesian Sentiment Analysis in Microblogs,” 2017 International Conference on Asian Language Processing (IALP), pp. 391–394, Jul. 2017, doi: 10.1109/IALP.2017.8300625.
T. Eng, M. R. Ibn Nawab, and K. M. Shahiduzzaman, “Improving Accuracy of The Sentence-Level Lexicon-Based Sentiment Analysis Using Machine Learning,” International Journal of Scientific Research in Computer Science, Engineering and Information Technology, pp. 57–69, Jan. 2021, doi: 10.32628/cseit21717.
N. A. Salsabila, “Kamus Alay - Colloquial Indonesian Lexicon,” GitHub. Accessed: Dec. 09, 2025. [Online]. Available: https://github.com/nasalsabila/kamus-alay
S. Sutarji, R. Wardani, A. Bastian, and P. Radono, “Journal of Hospital Management and Services The Relationship Of The Quality Of Administrative Services And Bpjs Patient Satisfaction In The Inpatient Room X Rumkit Tk Ii Dr. Soepraoen Kesdam V/Brawijaya Malang In Malang City,” Journal of Hospital Management and Services, vol. 5, no. 2, pp. 55–60, Nov. 2023, doi: https://doi.org/10.30994/jhms.v5i2.56.
R. A. Agnaty, A. Andriyani, and S. Jaksa, “Analisis Kepuasan Pasien Bpjs Terhadap Kualitas Pelayanan Rawat Jalan Di Rumah Sakit Dengan Pendekatan Servqual,” Jurnal Manajemen Pelayanan Kesehatan, vol. 28, no. 2, pp. 44–49, Jun. 2025, doi: https://doi.org/10.22146/jmpk.v28i02.21340.
D. Syahfitri, D. Rizka, A. Pulungan, and F. P. Gurning, “Analysis of the Level of Service Satisfaction of BPJS Patients at the Primary Outpatient Clinic of UIN North Sumatra Using the Servqual Method,” Jurnal Kesmas Prima Indonesia (JKPI), vol. 9, no. 1, Jul. 2025, doi: https://doi.org/10.34012/jkpi.v9i2.7210.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
