Abstrak: ABSTRAK Nama : Oke Dwiraswati Program Studi : Ilmu Kesehatan Masyarakat Judul : Perancangan Sistem Analisis Sentimen Terhadap Kebijakan Atau Isu Obat dan Makanan Yang Terintegrasi Dengan Sistem Layanan Informasi dan Pengaduan BPOM Pembimbing : dr. Kemal Nazarudin Siregar, S.KM., M.A., Ph.D. Isu kesehatan terkait keamanan obat dan makanan semakin meningkat, terlebih ketika teknologi informasi berkembang sangat pesat di era revolusi industri 4.0. Kebijakan atau isu obat dan makanan yang berkembang dapat menimbulkan berbagai opini di masyarakat. Untuk mengetahui opini masyarakat dengan cepat dapat dilakukan melalui analisis sentimen dari media sosial seperti Twitter, dan juga dari pengaduan yang disampaikan ke BPOM sebagai lembaga yang berwenang dalam pengawasan obat dan makanan di Indonesia. Opini atau sentimen tersebut akan dianalisis sehingga dapat diketahui kebijakan atau isu mana yang mendapatkan sentimen positif atau negatif. Oleh sebab itu, diperlukan sebuah pendekatan yang dapat menganalisis sentimen masyarakat terhadap kebijakan atau isu obat dan makanan. Tujuan penelitian ini adalah merancang sistem untuk analisis sentimen terhadap kebijakan atau isu obat dan makanan dari Twitter yang diintegrasikan dengan sistem layanan informasi dan pengaduan obat dan makanan menggunakan metode pengklasifikasian berbasis machine learning, yaitu Naive Bayes Classifier (NBC). Dilakukan serangkaian tahapan yaitu pengumpulan data dari Twitter dan aplikasi Sistem Layanan Informasi dan Pengaduan Obat dan Makanan sesuai kata kunci, kemudian preprocessing (cleansing, case folding, tokenizing, normalisasi dan eliminasi stopwords), serta proses klasifikasi dengan algoritma NBC untuk mendapatkan hasil dengan kategori positif atau negatif. Dari hasil uji dengan 10-fold cross validation diperoleh nilai akurasi tertinggi 88% dengan rincian nilai precission 81%, recall 100% dan f-measure 90%, dengan jumlah data latih 540 (270 negatif, 270 positif) dan data uji 60. Hasil analisis sentimen ditampilkan dalam bentuk dashboard. Data hasil analisis sentimen dapat menjadi masukan dalam penanganan respon cepat terhadap isu obat dan makanan selanjutnya dapat dirumuskan strategi KIE yang tepat ke masyarakat. Kata kunci: Analisis sentimen, obat dan makanan, Twitter, sistem layanan informasi dan pengaduan, naive bayes classifier. ABSTRACT Name : Oke Dwiraswati Study Program : Public Health Science Title : Designing Sentiment Analysis Systems For Food And Drug Policy Or Issues That Integrated With NADFC Information And Complaints Services System Counsellor : dr. Kemal Nazarudin Siregar, S.KM., M.A., Ph.D. Health issues related to drug and food security are increasing, especially in the current digital era of industrial revolution 4.0 when information technology is developing very rapidly. Drug and food policies or issues can lead to various opinions in the community. To find public opinion quickly, it can be done through an analysis of sentiments from Twitter, also from complaints/information requests submitted to BPOM as an institution authorized to control drug and food in Indonesia. Opinions will be analyzed so that policies or issues can get positive or negative sentiments. Therefore, an approach is needed that can analyze community sentiment towards drug or food policy or issues. This study aims to design a system for the sentiments analysis on policies and issues of drugs and food, integrated with the information and complaints service system using machine learning-based classification methods, namely Naive Bayes Classifier (NBC). There are series of stages, namely data collection and application of Information and Complaints Service System for Drug and Food according to keywords, then preprocessing (cleansing, case folding, tokenizing, normalization and elimination of stopwords), and the classification process using the NBC algorithm to get results with categories positive or negative. From the results of the test with 10 fold cross validation, the highest accuracy value is 88% with detailed precission values 81%, recall 100% and f-measure 90%. with the number of training data 540 (270 negative, 270 positive) and 60 test data. The sentiment analysis results are displayed in the dashboard. Data from sentiment analysis can be an input in handling rapid responses to drug or food issues, then can formulate appropriate education strategies to the community. Key words: Sentiment analysis, drug and food, Twitter, information and complaints service system, naive bayes classifier.

Abstrak: Penelitian ini dilatarbelakangi oleh rendahnya angka kepatuhan clinical pathway di rumah sakit. Padahal clinical pathway merupakan standar dalam memberikan pelayanan pada pasien. Rendahnya kepatuhan clinical pathway akan berpengaruh pada kendali mutu dan kendali biaya rumah sakit. Kendali biaya yang baik atau ekonomis bila tidak disertai mutu pelayanan yang baik ataupun sebaliknya mutu pelayanan yang sangat baik tapi sangat mahal tentunya akan merugikan masyarakat. Salah satu faktor yang dapat meningkatkan kepatuhan clinical pathway adalah adanya teknologi. Penelitian ini bertujuan untuk mengembangkan sistem informasi clinical pathway yang dapat membantu proses pencatatan dan pemantauan dalam implementasi clinical pathway. Metode yang digunakan adalah metode prototyping. Peneliti melakukan wawancara mendalam dan telaah dokumen untuk mendapatkan informasi mengenai kebutuhan sistem. Setelah melakukan analisis kelayakan sistem, peneliti membuat prototipe sistem. Hasil penelitian diperoleh desain model terstruktur dan desain antarmuka sistem informasi clinical pathway.

Abstrak: Latar belakang. Indonesia termasuk negara dengan jumlah kejadian bencana yang banyak dan jumlahnya cenderung mengalami peningkatan. Namun sistem yang ada saat ini belum merespon kebutuhan korban bencana terutama pada kondisi pascabencana dimana jaringan seringkali tidak berfungsi. Tujuan. Mengembangkan prototipe sistem informasi kebencanaan yang dapat digunakan dalam peningkatan respon yang cepat dan tepat saat terjadi bencana, mulai dari prediksi korban, pendataan, pemetaan masalah, dan penentuan wilayah prioritas sesuai dengan kebutuhan di lokasi terdampak bencana. Metode. Analisis kebutuhan sistem melalui literature review dan wawancara mendalam kepada sembilan informan, dilanjutkan dengan perancangan prototipe sistem informasi kebencanaan, pengumpulan data fasilitas berbasis online, dan perancangan dashboard sistem informasi kebencanaan. Hasil. Prototipe sistem informasi kebencanaan telah dibuat meliputi pengumpulan data yang sesuai untuk kejadian bencana (dapat digunakan secara offline), terintegrasi dengan surveilans demografi dan kesehatan (SDK) dan data prabencana, beserta dashboard Sistem Informasi Kebencanaan yang user friendly dengan memanfaatkan Sistem Informasi Geografis (SIG). Kesimpulan. Peluang pengembangan sistem informasi kebencanaan sangat memungkinkan untuk dilakukan dengan integrasi data SDK dan data prabencana (meliputi kontak dan koordinat untuk fasilitas kesehatan, ambulans umum, perkiraan tempat untuk pengungsian, fasilitas air bersih, MCK). Prototipe ini sesuai dengan kondisi bencana, membuat proses pencatatan dapat lebih cepat, efektif dan dapat menampilkan dashboard interaktif berbasis SIG untuk prediksi korban berdasarkan kelompok rentan, kebutuhan bantuan logistik, perencanaan tempat pengungsian dan fasilitas yang tersedia, serta untuk koordinasi dengan fasilitas kesehatan, dan pembagian sumber daya maupun relawan sesuai hasil pemetaan prioritas wilayah

---

Background. Indonesia is a country with a large number of disaster events and the number tends to increase. However, the current system has not responded to the needs of disaster victims, especially in post-disaster conditions where the network often does not function. Objective. Develop a prototype of a disaster information system that can be used to improve a fast and accurate response when a disaster occurs, starting from disaster victims prediction, data collection, problem mapping, and determining priority areas according to needs in disaster-affected locations. Method. Analysis of system requirements through literature review and in-depth interviews with nine informants, followed by the design of a disaster information system prototype, online-based facility data collection and the design of a disaster information system dashboard. Results. A prototype of a disaster information system has been created which includes data collection suitable for disaster events (can be used offline), integrated with demographic and health surveillance (DHS) and pre-disaster data, along with a userfriendly disaster information system dashboard by utilizing the geographic information system (GIS). Conclusion. Opportunities to develop a disaster information system are very possible with the integration of DHS data and pre-disaster data (including contacts and coordinates for health facilities, public ambulances, estimated places for evacuation, clean water facilities, toilets). This prototype is in accordance with disaster conditions, making the recording process faster, more effective and able to display a GIS-based interactive dashboard for prediction of victims based on vulnerable groups, logistical assistance needs, planning for evacuation places and available facilities, and for coordination with health facilities, and distribution resources and volunteers according to the results of regional priority mapping.