Implementasi Metode Support Vector Machine untuk Klasifikasi Otomatis Pengaduan Publik di Kabupaten Trenggalek

Authors

  • Davin Zainur Robert Universitas Nusantara PGRI Kediri Indonesia
  • Ahmad Bagus Setiawan Universitas Nusantara PGRI Kediri Indonesia
  • Danang Wahyu Widodo Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/bw7jd239

Abstract

Klasifikasi pengaduan masyarakat merupakan bagian penting dalam mendukung efektivitas pelayanan publik di daerah. Penelitian ini bertujuan untuk membangun model klasifikasi pengaduan masyarakat berdasarkan deskripsi aduan yang dikirimkan masyarakat kepada pemerintah Kabupaten Trenggalek. Metode yang digunakan adalah Support Vector Machine (SVM) dengan pendekatan preprocessing teks termasuk tokenisasi, penghapusan tanda baca, stopword removal, dan stemming. Hasil evaluasi menunjukkan bahwa model SVM mampu mengklasifikasikan pengaduan ke dalam beberapa kategori dinas dengan akurasi yang memuaskan. Penelitian ini diharapkan dapat memberikan solusi percepatan tindak lanjut pengaduan di lingkungan pemerintah daerah.

Keywords:

klasifikasi, pengaduan masyarakat, support vector machine, text mining, trenggalek

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] Hamdillah, Hamdun. “Inovasi Pelayanan Publik dan Transformasi Birokrasi: Pendekatan Administrasi Publik dalam Meningkatkan Good Governance.” Resolusi: Jurnal Sosial Politik, vol. 6, no. 2, 2023, doi: 10.32699/resolusi.v6i2.5672

[2] Rahmia, Hilda Aulia, Telumab, Aurelius R.L., dan Hadi, Agus Purbathin. “Implementasi Komunikasi Pelayanan Publik Pemerintah Kota Mataram Melalui Aplikasi LAPOR!” Tuturlogi, vol. 1, no. 2, 2020. http://dx.doi.org/10.21776/ub.tuturlogi.2020.001.02.4

[3] Kurnia, Y., Kusuma, E. D., Kusuma, L. W., Suwitno, & Apridius, W. (2024). Perbandingan Naïve Bayes dan CNN yang Dioptimasi PSO pada Identifikasi Berita Hoax Politik Indonesia. Buletin Teknologi, 6(3). https://doi.org/10.32877/bt.v6i3.1225

[4] Tono, J. J., & Parjito, P. (2023). Persepsi Publik terhadap Kepemimpinan Firli Bahuri di KPK: Pendekatan Sentimen Twitter dengan Naïve Bayes dan SVM. Jurnal Ilmu Politik dan Ilmu Pemerintahan, 10(2). https://doi.org/10.29100/jipi.v10i2.6181

[5] Idris, H. K., Fauzi, M. A., & Indriati, I. (2019). Klasifikasi Teks Bahasa Indonesia Pada Dokumen Pengaduan SAMBAT Online Menggunakan Metode Naive Bayes dan Kombinasi Seleksi Fitur. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(3), 2436–2442. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4681

[6] Handayani, F., & Pribadi, F. S. (2018). Implementasi Algoritma Naive Bayes Classifier dalam Pengklasifikasian Teks Otomatis Pengaduan dan Pelaporan Masyarakat melalui Layanan Call Center 110. Jurnal Teknik Elektro, 7(1). https://journal.unnes.ac.id/nju/jte/article/view/8585

[7] Fitriyah, N., Warsito, B., & Maruddani, D. A. I. (2021). Analisis Sentimen Gojek pada Media Sosial Twitter dengan Klasifikasi Support Vector Machine (SVM). Departemen Statistika, FSM Universitas Diponegoro.

[8] Triawan, A. Y., Wicaksono, S. A., & Purnomo, W. (2019). Sistem Klasifikasi Pengaduan Masyarakat Berdasarkan OPD Menggunakan Pendekatan Ensemble Naive Bayes. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(7), 7197–7204. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/5894

[9] Rini, M. P., Adikara, P. P., & Adinugroho, S. (2019). Klasifikasi Teks Pengaduan Suara Warga Kabupaten Pasuruan menggunakan Metode Maximum Entropy. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(8), 7774–7778. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/5957

[10] Supardianto, Seriasih, dan L. Mutawalli, “Pemodelan Topik Isu Parwisata Pulau Lombok Menggunakan Focus Web Crawler dan Latent Dirichlet Allocation,” Jurnal Ilmu Rekayasa Elektrikal, vol. 7, no. 2, pp. 110–117, 2023. https://doi.org/10.36595/jire.v7i2.1332

[11] L. A. Susanto, “Komparasi Model Support Vector Machine dan K-Nearest Neighbor pada Analisis Sentimen Aplikasi POLRI Super App,” Jurnal Ilmiah Teknik Elektro Terapan, vol. 12, no. 2, pp. 85–91, 2023. https://doi.org/10.23960/jitet.v12i2.4152

Downloads

Published

2025-07-10

Issue

Vol. 9 No. 2 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Section

Articles

License

Copyright (c) 2025 Davin Zainur Robert, Ahmad Bagus Setiawan, Danang Wahyu Widodo

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

Implementasi Metode Support Vector Machine untuk Klasifikasi Otomatis Pengaduan Publik di Kabupaten Trenggalek. (2025). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 9(2), 1617-1626. https://doi.org/10.29407/bw7jd239