Analisis Teks Pemberitaan Telemedicine di Indonesia: Pendekatan Sentimen, NER, Topic Modeling, dan Social Network dalam Memahami Isu dan Persepsi

Abstract

Telemedicine is becoming an increasingly relevant phenomenon in the health sector in Indonesia, especially with the emergence of the COVID-19 Pandemic. This study examines text analysis of telemedicine news coverage during the COVID-19 pandemic in Indonesia using sentiment analysis, Named Entity Recognition (NER), topic modeling, and Social Network Analysis (SNA). This research aims to gain an in-depth understanding of issues, public perceptions, social networks, and topics related to the use of telemedicine in dealing with a pandemic. This study provides a comprehensive understanding of telemedicine coverage during the COVID-19 pandemic in Indonesia by combining four methods. The findings of this research can provide valuable insights for stakeholders in optimizing the use of telemedicine, understanding public perceptions, and building effective collaborations in handling pandemics.Keywords: telemedicine, sentiment analysis, Named Entity Recognition (NER), topic modeling, social network analysis, COVID-19 AbstrakTelemedicine menjadi fenomena yang semakin relevan dalam sektor kesehatan di Indonesia, terutama dengan munculnya Pandemi COVID-19. Penelitian ini mengkaji analisis teks pemberitaan telemedicine selama pandemi COVID-19 di Indonesia dengan menggunakan analisis sentimen, Named Entity Recognition (NER), Topic Modeling, dan Social Network Analysis (SNA). Tujuan penelitian ini adalah untuk memperoleh pemahaman yang mendalam tentang isu-isu, persepsi masyarakat, jaringan sosial, dan topik-topik yang terkait dengan pemanfaatan telemedicine dalam menghadapi masalah kesehatan di masa pandemi. Penggunaan gabungan empat metode analisis agar dapat menyajikan pemahaman yang komprehensif tentang pemberitaan telemedicine selama pandemi COVID-19 di Indonesia. Hasil penelitian menunjukkan adanya kecenderungan sentimen positif dan netral terhadap telemedicine dan keberadaannya sangat membantu masalah kesehatan di masa Pandemi COVID-19. Selain itu pejabat pemerintah adalah nama yang paling sering muncul dalam pemberitaan telemedicine yang memiliki makna peranan sentral pemerintah dalam masalah kesehatan sangat dibutuhkan. Penelitian ini diharapkan dapat memberikan wawasan berharga bagi para pemangku kepentingan dalam mengoptimalkan pemanfaatan telemedicine, memahami persepsi masyarakat, dan membangun kolaborasi yang efektif dalam penanganan pandemi.Kata Kunci: telemedicine, analisis sentimen, Named Entity Recognition (NER), social network analysis, topic modelling, COVID-19