Keywords
pengaduan masyarakat
support vector machine
text mining
trenggalek
How to Cite
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.
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
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Davin Zainur Robert, Ahmad Bagus Setiawan, Danang Wahyu Widodo