SENTIMENT ANALYSIS TERHADAP PERSEPSI KARYAWAN MENGENAI KINERJA PADA SATUAN PELAYANAN PEMENUHAN GIZI (SPPG KECAMATAN BANTARGADUNG, KABUPATEN SUKABUMI)

Dede Hermawan; Hesri Mintawati; Sitti Hikmawatty

doi:10.63754/jcn.v4i2.221

Authors

Dede Hermawan Universitas Nusa Putra
Hesri Mintawati Universitas Nusa Putra
Sitti Hikmawatty Universitas Nusa Putra

DOI:

https://doi.org/10.63754/jcn.v4i2.221

Keywords:

Sentiment Analysis, Text Mining, Satuan Pelayanan Pemenuhan Gizi.

Abstract

Kinerja karyawan merupakan instrumen penting dalam menjamin keberhasilan penyelenggaraan Program Makan Bergizi Gratis (MBG) pada Satuan Pelayanan Pemenuhan Gizi (SPPG). Penelitian ini bertujuan menganalisis sentimen dan persepsi karyawan terhadap kondisi kerja sama tim, budaya organisasi, pelatihan, dan kinerja pada SPPG Kecamatan Bantargadung, Kabupaten Sukabumi, sebagai pelengkap kualitatif atas temuan kuantitatif (SEM-PLS) dari penelitian utama. Data kualitatif diperoleh melalui wawancara mendalam berdasarkan tanggapan terbuka dari 22 pernyataan karyawan. Penelitian ini menggunakan metode analisis sentimen berbasis text mining (pendekatan leksikon) dan pemodelan topik Latent Dirichlet Allocation (LDA) dengan bantuan perangkat lunak Orange Data Mining. Hasil analisis sentimen menunjukkan kecenderungan persepsi positif yang dominan, yaitu sebesar 59,1% (13 pernyataan), sentimen netral 27,3% (6 pernyataan), dan sentimen negatif 13,6% (3 pernyataan). Sementara itu, analisis topik mengidentifikasi lima tema utama, dengan kerja sama tim sebagai tema paling dominan, diikuti efektivitas pelatihan, budaya organisasi, pelaksanaan pelayanan, serta kendala operasional seperti batasan fasilitas dan beban kerja. Temuan ini memberikan implikasi praktis bagi pengelola SPPG dalam merumuskan strategi peningkatan kerja sama tim, efektivitas pelatihan, serta peningkatan sarana operasional guna mendukung kinerja karyawan secara berkelanjutan.

References

Eshete, S. K., & Birbirssa, Z. A. (2024). Strategic Human Resource Management (SHRM) in creating inclusive workplace: Systematic review. SAGE Open.

K., Halizah, I. N., & Apriyadi, D. (2023). The influence of organizational culture and work environment on employee performance with work motivation as a variable intervening. Jurnal Manajemen Industri dan Logistik (JMIL), 7, 347–360.

Lee, J., & Song, J. H. (2024). How does algorithm-based HR predict employees' sentiment? Developing an employee experience model through sentiment analysis. Industrial and Commercial Training, 56(4), 273–289. https://doi.org/10.1108/ICT-08-2023-0060

Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis Lectures on Human Language Technologies, 5(1), 1–167.

Mooney, R. J. (2006). Text mining: Extracting knowledge from unstructured data. Proceedings of the 2006 ACM Symposium on Applied Computing, 983–984.

Rani, P., & Arora, J. (2016). Text preprocessing: A critical step for text mining. International Journal of Computer Science and Information Technologies, 7(3), 1656–1659.

Rosalinda, Y., Sutrisno, S., & Budiman, D. (2025). Sentiment analysis of teacher performance assessment (SMKS Hassina Sukabumi). MORFAI Journal, 5(5), 5746–5755. https://doi.org/10.54443/morfai.v5i5.4181

Sagala, D., & Toba, H. (2021). Sentiment analysis using VADER lexicon for social media data. Journal of Physics: Conference Series, 1933(1), 012050.

Shabrina, A., Prahiawan, W., Imron, A., & Hilaldi, D. (2025). Effect of job training and work competency on employee performance through job satisfaction as a mediating variable. Journal of Business Management and Economic Development.

Y, J., Zhang, Y., & Chen, Y. (2016). Topic modeling based on LDA for text mining. Journal of Information Science, 42(2), 173–185.

Zulhanif, A. (2016). Implementasi metode LDA (Latent Dirichlet Allocation) dalam analisis topik. Jurnal Teknologi Informasi dan Komputer, 3(2), 45–52.