Kajian Persepsi Masyarakat Indonesia terhadap Obat Kimia dan Tradisional melalui Analisis Linguistik dan NLP dalam Konteks Farmasi
DOI:
https://doi.org/10.59823/jopacs.v3i1.76Keywords:
persepsi masyarakat, obat kimia, obat tradisional, analisis linguistik, Natural Language Processing (NLP), media sosial, sentimen, topic modelingAbstract
Persepsi masyarakat terhadap obat kimia dan tradisional di Indonesia memiliki pengaruh signifikan terhadap pilihan pengobatan serta tingkat kepatuhan pasien dalam menjalani terapi. Kedua jenis obat ini, meskipun digunakan secara luas, kerap kali dipandang berbeda oleh masyarakat berdasarkan berbagai faktor seperti budaya, nilai-nilai kepercayaan, dan pengalaman personal dalam penggunaannya. Dalam konteks modern yang ditandai dengan berkembangnya teknologi digital, media sosial telah menjadi ruang publik yang penting bagi masyarakat untuk mengekspresikan opini, berbagi pengalaman, dan membentuk narasi kolektif tentang obat-obatan. Artikel ini bertujuan untuk menganalisis persepsi masyarakat Indonesia terhadap obat kimia dan obat tradisional melalui pendekatan interdisipliner yang menggabungkan analisis linguistik dan pemrosesan bahasa alami (Natural Language Processing/NLP). Data dikumpulkan dari platform media sosial seperti Twitter serta forum-forum kesehatan daring selama periode Januari hingga Maret 2024, menghasilkan lebih dari 50.000 unggahan dan komentar. Proses analisis mencakup pra-pemrosesan teks, analisis sentimen menggunakan model IndoBERT, topic modeling dengan BERTopic, dan analisis linguistik untuk menggali kedalaman makna bahasa yang digunakan masyarakat. Hasil penelitian menunjukkan bahwa obat tradisional lebih sering diasosiasikan dengan persepsi positif, terutama terkait sifatnya yang dianggap alami dan aman. Sebaliknya, obat kimia sering dipandang negatif, terutama karena isu efek samping dan ketergantungan. Temuan ini memberikan wawasan penting dalam menyusun strategi komunikasi kesehatan dan edukasi masyarakat yang lebih adaptif terhadap persepsi dan pola bahasa publik di Indonesia.
References
Fauzi, M. A., Ramadhan, R., & Firmansyah, A. (2022). Fine-tuning IndoBERT for Indonesian social media sentiment analysis. International Journal of Machine Learning and Computing, 12(3), 101–107. https://doi.org/10.18178/ijmlc.2022.12.3.1117
Grootendorst, M. (2022). BERTopic: Neural topic modeling with class-based TF-IDF. Journal of Open Source Software, 7(73), 4300. https://doi.org/10.21105/joss.04300
Nurhadi, D. (2020). Bahasa dan Masyarakat dalam Era Digital. Yogyakarta: Pustaka Pelajar.
Prasetya, R. A., & Hidayat, D. (2023). Topic modeling of Indonesian public discourse using BERTopic and IndoBERT embeddings. Indonesian Journal of Artificial Intelligence Research, 2(1), 20–31.
Purwarianti, A., & Budiharto, W. (2020). Sentiment Analysis for Indonesian Social Media Using Deep Learning. International Journal of Advanced Computer Science and Applications, 11(6), 226–231. https://doi.org/10.14569/IJACSA.2020.0110629
Rahmawati, R., & Bajorek, B. V. (2018). Understanding Indonesian patients' use of self-medication for health complaints. Journal of Pharmaceutical Policy and Practice, 11(1), 1–9. https://doi.org/10.1186/s40545-018-0134-0
Sutrisna, B. (2019). Obat Tradisional di Indonesia: Kajian Etnofarmakologi dan Regulasi. Jakarta: Balai Pustaka.
Wibowo, T. W., Anggoro, D., & Surya, P. (2023). Evaluating IndoBERT variants for multi-domain sentiment classification in Bahasa Indonesia. Proceedings of the 6th International Conference on Natural Language Processing and Artificial Intelligence (NLP-AI 2023), 55–62.
Published
How to Cite
Issue
Section
Copyright (c) 2025 Irmawati Irmawati, Firman Aziz, Eva Delilah, Pertiwi Ishak, Jafar Jafar
This work is licensed under a Creative Commons Attribution 4.0 International License.
Make A Submission 
