ALGORITMA NEURAL NETWORK UNTUK KLASIFIKASI LAPORAN PENGADUAN

Khoiruddin, Lukman (2021) ALGORITMA NEURAL NETWORK UNTUK KLASIFIKASI LAPORAN PENGADUAN. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (607kB)
	Text (BAB I) BAB I.pdf Download (294kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (708kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (389kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (947kB)
	Text (BAB V) BAB V.pdf Download (70kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (87kB)
	Archive (SOURCE CODE) Souce Code-18.12.0558-Lukman Khoiruddin - Lukman Khoiruddin.zip Restricted to Repository staff only Download (180kB)
	Text (PUBLIKASI) Publikasi-18.12.0558-Lukman Khoiruddin - Lukman Khoiruddin.pdf Restricted to Repository staff only Download (416kB)

Abstract

Sistem Pengelolaan Pengaduan Pelayanan Publik (SP4N LAPOR!) adalah layanan penyampaian semua aspirasi dan pengaduan masyarakat Indonesia melalui beberapa kanal pengaduan. Dengan adanya sistem ini, aduan yang dilakukan masyarakat dapat terintegrasi dan disalurkan ke instansi / pihak yang sesuai kewenangan. Dengan terintegrasinya maka jumlah pengaduan yang masuk ke sistem sangat banyak sehingga terdapat kendala dalam proses verifikasi pengaduan guna diteruskan ke pihak yang berwenang. Proses klasifikasi laporan dibutuhkan untuk mempercepat proses verifikasi dan tindak lanjut aduan. Tujuan dalam penelitian ini adalah mengklasifikasikan setiap laporan pengaduan dan mengetahui pengaruh tahapan Replace Slang Word. Pada penelitian ini menggunakan Artificial Neural Network digunakan dalam proses klasifikasi setiap data pengaduan dengan menggunakan jumlah 750 data pengaduan dan 3 kategori yaitu pendidikan, kesehatan, dan infrastruktur dalam pembagian jumlah data yang sama dalam setiap kategori. Data yang digunakan berasal dari situs LAPOR! yang memiliki rentang waktu antara 2018 sampai Oktober 2021. Data pengaduan yang berasal dari berbagai tempat dan kalangan maka dimungkinkan terdapat kata slang / gaul sehingga pada tahap Preprocessing menggunakan tahapan Replace Slang Word untuk mengganti kata slang ke kata aslinya. Pengujian model dilakukan dengan tiga skenario dengan nilai epoch berbeda pada setiap skenario. Pada pengujian pertama dengan hasil tanpa tahapan Replace Slang Word memiliki nilai dalam Accuracy yaitu 98.67%, untuk F1 Score, Precission, dan Recall bernilai sama yaitu 98.47%. Dengan menggunakan tahapan Replace Slang Word memiliki nilai dalam Accuracy yaitu 99.33%, untuk F1 Score, Precission, dan Recall bernilai sama yaitu 99.09%. Pada pengujian kedua dengan hasil tanpa tahapan Replace Slang Word memiliki nilai dalam Accuracy yaitu 97.33%, untuk F1 Score, Precission, dan Recall bernilai sama yaitu 97.22 %. Dengan menggunakan tahapan Replace Slang Word memiliki nilai dalam Accuracy yaitu 98.00%, untuk F1 Score, Precission, dan Recall bernilai sama yaitu 98.24%. Dengan hasil yang tinggi dalam pengujian pertama dan kedua dari model maka metode yang diusulkan dapat digunakan dalam klasifikasi laporan pengaduan.

Actions (login required)

View Item