Text
SKRIPSI PERANCANGAN SISTEM MACHINE LEARNING UNTUK KLASIFIKASI TIKET ADUAN PADA PORTAL LAPORAN PENGADUAN ONLINE PROVINSI JAWA TENGAH
Pengelolaan aduan publik pada portal LaporGub! Provinsi Jawa Tengah
menghadapi tantangan inefisiensi dan inkonsistensi akibat proses klasifikasi
manual. Masalah ini diperburuk oleh tingginya ambiguitas topik dan tumpang
tindih makna pada struktur kategori awal yang terdiri dari banyak kelas. Penelitian
ini berfokus pada perancangan sistem machine learning untuk mengklasifikasikan
tiket aduan secara otomatis ke departemen pemerintah yang relevan. Proses utama
dalam penelitian ini adalah kurasi dan pra-pemrosesan dataset. Dataset awal yang
memiliki 56 kelas direduksi menjadi 14 kelas dinas yang lebih spesifik dan koheren
untuk mengatasi masalah ambiguitas. Teks aduan yang beragam kemudian
dinormalisasi melalui proses stopword removal. Model klasifikasi dibangun
menggunakan arsitektur Bidirectional Long Short-Term Memory (Bi-LSTM),
sebuah pengembangan dari Recurrent Neural Network (RNN), yang terbukti efektif
dalam memahami konteks sekuensial. Vektor kata (word embedding) dilatih dari
awal (from scratch) untuk menghasilkan representasi fitur yang spesifik terhadap
domain aduan. Model yang telah dilatih diintegrasikan ke dalam antarmuka web
berbasis Flask untuk demonstrasi klasifikasi secara langsung. Hasil pengujian pada
data validasi menunjukkan bahwa model yang diusulkan berhasil mencapai
confidence score sebesar 89%. Analisis metrik evaluasi weighted average juga
menunjukkan performa dengan nilai precision, recall, dan F1-score masing-masing
sebesar 89%. Hasil ini membuktikan bahwa pemilihan kelas yang tepat dan
penggunaan model Bi-LSTM mampu menghasilkan sistem klasifikasi aduan yang
akurat.
Tidak tersedia versi lain