PERBANDINGAN PEMODELAN TOPIK MENGGUNAKAN METODE K-MEANS DAN CLARA: STUDI KASUS PENDAPAT MASYARAKAT TERKAIT KEBIJAKAN PENGHAPUSAN KELAS BPJS

Abstract

Penelitian ini bertujuan untuk membandingkan dua algoritma clustering yaitu K-Means dan CLARA dalam pemodelan topik pada kasus opini masyarakat terkait kebijakan penghapusan kelas BPJS Kesehatan di platform TikTok. Evaluasi dilakukan dengan menggunakan teknik coherence score dan diversity topic untuk menentukan algoritma yang lebih unggul. Hasil penelitian menunjukkan bahwa algoritma CLARA menghasilkan performa terbaik pada setiap evaluasi topik-topik dan secara konsisten menunjukkan performa yang lebih unggul dibandingkan K-Means. Hal ini menunjukkan bahwa CLARA lebih efisien dalam memodelkan topik untuk data komentar masyarakat di TikTok mengenai kebijakan penghapusan kelas BPJS Kesehatan. Berdasarkan kesimpulan penelitian ini, disarankan untuk melakukan analisis lebih lanjut menggunakan algoritma clustering CLARA yang telah diidentifikasi sebagai algoritma optimal. Hal ini diharapkan dapat menghasilkan pemahaman yang lebih akurat mengenai topik-topik dalam data komentar masyarakat.