Penerapan Multi Criteria Decision Making (MCDM) Menggunakan Topsis Untuk Pemilihan Apotek Berdasarkan Analisis Sentimen Berbasis Aspek dan Jarak
DOI:
https://doi.org/10.47111/jointecoms.v6i2.27859Keywords:
Apotek, MCDM, Analisis Sentimen Berbasis Aspek, TOPSIS, Google Maps APIAbstract
Pemilihan apotek yang tepat berperan penting dalam mendukung pelayanan kesehatan masyarakat. Di Kota Palangka Raya, informasi apotek tersedia melalui berbagai platform digital, namun pemilihan seringkali harus mempertimbangkan beberapa kriteria seperti jarak, ketersediaan obat, dan kualitas layanan. Penelitian ini menerapkan pendekatan Multi Criteria Decision Making (MCDM) dengan metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) untuk mendukung pemilihan apotek berdasarkan analisis sentimen berbasis aspek dan jarak. Identifikasi aspek dilakukan menggunakan Latent Dirichlet Allocation (LDA) yang menghasilkan dua aspek utama, yaitu Pelayanan & Fasilitas serta Ketersediaan Obat & Harga. Analisis sentimen pada ulasan pengguna dilakukan dengan model IndoBERT untuk menghasilkan skor kriteria, sedangkan jarak dihitung secara dinamis melalui Google Maps API. Seluruh kriteria dinormalisasi, dibobotkan, dan diproses dengan metode TOPSIS guna memperoleh nilai preferensi dan peringkat apotek. Hasil penelitian menunjukkan bahwa integrasi analisis sentimen aspek dengan perhitungan jarak dan metode TOPSIS mampu memberikan peringkat apotek yang lebih objektif. Sistem yang dikembangkan dapat membantu pengguna menemukan apotek terdekat dengan kualitas layanan lebih baik sesuai opini pengguna, serta berpotensi diterapkan pada pemilihan layanan kesehatan lainnya.
Downloads
References
[1] PERKEMENKES, PERATURAN MENTERI KESEHATAN REPUBLIK INDONESIA. 2017.
[2] Triayu Nur Afifah et al., “Analisis Pengaruh Pemilihan Lokasi Apotek Terhadap Keputusan Pembelian Obat Di Indonesia,” Jurnal Ilmu Kesehatan dan Gizi, vol. 1, no. 3, pp. 65–77, Jun. 2023, doi: 10.55606/jikg.v1i3.1384.
[3] A. Hafiz, J. J. Ma’ruf, and S. Utami, “The Effect of Product Diversity, Price, Service Quality, and Location on Repurchase Intention Mediated by Pharmacy Customer Satisfaction,” 2024, doi: 10.51244/IJRSI.
[4] M. Z. Rohman, Irwansyah, and W. E. Sari, “The Medical Facilities Selection Based on Location-Based Services Application Using SAW and TOPSIS Algorithm,” in Journal of Physics: Conference Series, Institute of Physics Publishing, Jul. 2020. doi: 10.1088/1742-6596/1577/1/012012.
[5] Deloar Hossain, Shafiul Azam, Md Jahan Ali, and and Hakilo Sabit, Drugs Rating Generation and Recommendation from Sentiment Analysis of Drug Reviews using Machine Learning. IEEE, 2020.
[6] H. Imaduddin, F. Yusfida A’la, and Y. S. Nugroho, “Sentiment Analysis in Indonesian Healthcare Applications using IndoBERT Approach,” 2023. [Online]. Available: www.ijacsa.thesai.org
[7] Y. Kustiyahningsih and Y. Permana, “Penggunaan Latent Dirichlet Allocation (LDA) dan Support-Vector Machine (SVM) Untuk Menganalisis Sentimen Berdasarkan Aspek Dalam Ulasan Aplikasi EdLink,” Teknika, vol. 13, no. 1, pp. 127–136, Mar. 2024, doi: 10.34148/teknika.v13i1.746.
[8] A. Adil, R. A. Dwiputri, and B. K. Triwijoyo, “Aplikasi Spasial Rekomendasi Wisata Terdekat dengan Metode Haversine Berbasis Mobile,” Jurnal Bumigora Information Technology (BITe), vol. 4, no. 1, pp. 95–106, Jun. 2022, doi: 10.30812/bite.v4i1.1948.
[9] A. M. Abirami and A. Askarunisa, “Sentiment analysis model to emphasize the impact of online reviews in healthcare industry,” Online Information Review, vol. 41, no. 4, pp. 471–486, 2017, doi: 10.1108/OIR-08-2015-0289.
[10] Saputro Eka Bagus and Jones Anna Hendri Soleliza, “Sistem Pengambilan Keputusan Penentuan Pemasok Obat Pada Apotek Al Fayadh Farma Yogyakarta dengan Metode Topsis,” 2020.
[11] F. Ayu, D. Aryanti, A. Luthfiarta, D. Adiwinata, and I. Soeroso, “Aspect-Based Sentiment Analysis with LDA and IndoBERT Algorithm on Mental Health App: Riliv,” 2025. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
[12] F. Atmaja and E. Dyar Wahyuni, “ANALISIS SENTIMEN BERBASIS ASPEK PADA SISTEM LAYANAN PENGADUAN MASYARAKAT DI KOTA SURABAYA MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION DAN NAÏVE BAYES,” 2025.
[13] G. Hakim, T. N. Fatyanosa, and A. W. Widodo, “Analisis Sentimen Masyarakat terhadap Kereta Cepat Whoosh pada Platform X menggunakan IndoBERT,” 2017. [Online]. Available: http://j-ptiik.ub.ac.id
[14] Y. D. Harja and R. Sarno, “Determine The Best Option for Nearest Medical Services Using Google Maps API, Haversine and TOPSIS Algorithm,” 2018.
[15] S. Anggina, N. Y. Setiawan, and F. A. Bachtiar, “Analisis Ulasan Pelanggan Menggunakan Multinomial Naïve Bayes Classifier dengan Lexicon-Based dan TF-IDF Pada Formaggio Coffee and Resto,” is The Best Accounting Information Systems and Information Technology Business Enterprise this is link for OJS us, vol. 7, no. 1, pp. 76–90, Sep. 2022, doi: 10.34010/aisthebest.v7i1.7072.
[16] N. Mohamad Iqbal Jauhari, R. Wulanningrum, and A. Bagus Setiawan, “Sistem Deteksi Kendaraan Menggunakan StreamLit Metode Yolo Universitas Nusantara PGRI Kediri,” Online, 2024.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Journal of Information Technology and Computer Science
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
