IDENTIFIKASI TOPIK UTAMA DALAM ULASAN PENGGUNA TENTANG SISTEM INFORMASI AKADEMIK MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA)

Sistem Informasi Akademik merupakan infrastruktur penting untuk mendukung
layanan data dan kegiatan akademik, namun pengelolaan ulasan pengguna dalam
volume besar dan tidak terstruktur menjadi tantangan tersendiri. Penelitian ini
bertujuan untuk mengidentifikasi topik utama, persebaran frekuensi, dan persepsi
pengguna menggunakan metode Latent Dirichlet Allocation (LDA) yang
diintegrasikan dengan analisis sentimen IndoBERT pada ulasan mahasiswa di
grup Telegram Teknologi Informasi Universitas Tadulako periode 2023–2026.
Data mentah sebanyak 1.547 pesan disaring melalui tahapan preprocessing
(pembersihan elemen non-informatif, tokenisasi, penghapusan stopwords, dan
stemming) sehingga menghasilkan 1.120 pesan valid. Berdasarkan pengujian
model pada rentang K = 2 hingga K = 10, jumlah topik optimal ditetapkan pada K
= 3 dengan Coherence Score sebesar 0,515946 dan Log Perplexity sebesar
6,213977, menunjukkan keterkaitan makna semantik yang kuat serta kemampuan
prediksi statistik yang baik terhadap data. Hasil pemodelan berhasil
mengidentifikasi tiga topik utama: Topik 1 terkait Administrasi dan Sistem
Informasi Akademik (25,4%), Topik 2 terkait Layanan Keuangan dan
Pengumuman (28,4%), dan Topik 3 terkait Koordinasi Kelas dan Jejaring
Komunikasi (46,2%). Temuan menunjukkan bahwa interaksi di dalam forum
sangat didominasi oleh Topik 3 (46,2%), membuktikan bahwa mahasiswa lebih
banyak menggunakan platform sebagai sarana operasional koordinasi perkuliahan
daripada menyampaikan keluhan teknis atau kendala sistem. Selanjutnya, analisis
sentimen menggunakan IndoBERT mengungkapkan bahwa ulasan didominasi
secara mutlak oleh sentimen netral yang melampaui 95?ri total data,
menandakan bahwa persepsi pengguna bersifat objektif, informasional, dan
prosedural tanpa adanya ekspresi opini personal atau keluhan emosional yang
tajam terhadap kualitas layanan sistem.
Kata Kunci : Latent Dirichlet Allocation (LDA), Sistem Informasi Akademik,
Pemodelan Topik, Ulasan Pengguna, Analisis Sentimen IndoBert.