KLASIFIKASI TINGKAT URGENSI PENGADUAN MASYARAKAT MENGGUNAKAN LONG SHORT-TERM MEMORY (LSTM)  (Studi Kasus: WEBSITE LAPAK ADUAN BANYUMAS) - Dalam bentuk buku karya ilmiah

KELVIN FAUZIAN SETIAWAN

Informasi Umum

Kode

25.04.1667

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Klasifikasi

Dilihat

236 kali

Informasi Lainnya

Abstraksi

Penggunaan website pengaduan masyarakat sudah digunakan di berbagai wilayah Indonesia seperti website Lapak Aduan Banyumas milik Pemerintah Kabupaten Banyumas. Website Lapak Aduan Banyumas hadir dalam rangka memudahkan partisipasi masyarakat seperti halnya menyampaikan informasi, keluhan, pertanyaan, dan usulan terhadap penyelenggaraan pelayanan daerah di lingkungan Kabupaten Banyumas. Peningkatan jumlah aduan pada bulan Desember 2023 (950 aduan) dan bulan Januari 2024 (1.032 aduan) memperlambat proses penanganan, dan tanpa sistem skala prioritas penanganan menjadi tidak tepat sasaran. Penelitian ini bertujuan untuk mengimplementasikan sistem klasifikasi tingkat urgensi pengaduan masyarakat menggunakan metode Long Short-Term Memory (LSTM). Pada website Lapak Aduan Banyumas, pengaduan yang masuk diklasifikasikan ke dalam kategori tingkat urgensi, yaitu “Urgent” ini berlaku jika kondisinya sangat memprihatinkan dan berdampak serius terhadap warga sekitar dan “Not Urgent” ini berlaku jika kondisinya serius tetapi tidak memerlukan penanganan segera. Penelitian ini menggunakan data pengaduan masyarakat yang diambil dari website Lapak Aduan Banyumas, yang terdiri dari 19.240 data pengaduan selama periode 2 Januari 2024 hingga 27 April 2025. Proses penelitian meliputi beberapa tahap yaitu: identifikasi masalah, studi literatur, preprocessing, pelabelan data, feature extraction, modeling menggunakan LSTM, dan deployment. Berdasarkan hasil penelitian yang dilakukan, model berhasil mengklasifikasikan pengaduan ke dalam dua kategori, yaitu Urgent dan Not Urgent, dengan rata-rata akurasi sebesar 99.51%. Nilai precision, recall, dan F1-score juga tinggi dan seimbang di kedua kategori, yaitu 0,99 baik untuk Urgent maupun Not Urgent. Macro dan weighted average sebesar 0.99 menunjukkan bahwa model mampu menangani kedua kategori dengan konsistensi yang sangat baik. Kata kunci: Lapak Aduan Banyumas, Pengaduan, LSTM, Urgent, Not Urgent