Sistem Informasi Analisis Kebutuhan Fasilitas Publik Berdasarkan Laporan Masyarakat Menggunakan Metode Text Mining dan Support Vector Machine

Dela Puspita Helmi; Jumadil Nangi; Asa Hari Wibowo

doi:10.31004/riggs.v5i2.10747

Authors

Dela Puspita Helmi Universitas Haluoleo
Jumadil Nangi Universitas Haluoleo
Asa Hari Wibowo Universitas Haluoleo

DOI:

https://doi.org/10.31004/riggs.v5i2.10747

Keywords:

Text Mining, Support Vector Machine, TF-IDF, Klasifikasi Teks, Fasilitas Publik, Musrenbang, Sistem Informasi

Abstract

Pengelolaan laporan masyarakat secara manual masih menjadi kendala dalam proses identifikasi kebutuhan fasilitas publik karena memerlukan waktu yang relatif lama, berpotensi menimbulkan ketidakkonsistenan dalam pengelompokan data, serta menyulitkan proses penyusunan prioritas pembangunan. Penelitian ini bertujuan mengembangkan sistem informasi berbasis web yang mampu mengklasifikasikan laporan masyarakat secara otomatis berdasarkan kategori fasilitas publik. Metode yang diterapkan menggunakan Text Mining dengan tahapan case folding, cleaning, dan normalisasi sebagai proses preprocessing, kemudian dilanjutkan dengan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) serta klasifikasi menggunakan algoritma Support Vector Machine (SVM). Dataset penelitian bersumber dari laporan Musyawarah Perencanaan Pembangunan (Musrenbang) Kabupaten Konawe Tahun 2024 yang terdiri atas 284 data training dan 71 data testing. Evaluasi model dilakukan menggunakan Confusion Matrix dan Classification Report untuk mengukur nilai accuracy, precision, recall, macro F1-score, dan weighted F1-score. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan laporan masyarakat ke dalam lima belas kategori fasilitas publik dengan nilai accuracy sebesar 95,77%, precision sebesar 93,54%, recall sebesar 97,04%, macro F1-score sebesar 94,34%, dan weighted F1-score sebesar 96,02%. Hasil tersebut menunjukkan bahwa kombinasi metode TF-IDF dan algoritma Support Vector Machine (SVM) mampu menghasilkan klasifikasi yang baik serta mendukung Bappeda Kabupaten Konawe dalam mengidentifikasi kebutuhan fasilitas publik secara lebih cepat, konsisten, objektif, dan berbasis data sebagai pendukung pengambilan keputusan dalam perencanaan pembangunan daerah.

Downloads

Download data is not yet available.

References

1. I. Bastian, Sistem Pengendalian Manajemen Sektor Publik (Mempertahankan Kepentingan Masyarakat). Jakarta: Salemba Empat.

2. Irham, “Partisipasi Pemangku Kepentingan Dalam Musyawarah Perencanaan Pembangunan Di Kecamatan Tempe Kabupaten Wajo,” Jurnal Administrasi Publik, Vol. 15, No. 2, Hlm. 172–181, Des 2019, Doi: 10.52316/Jap.V15i2.34.

3. G. Ginting, A. Kuswandi, Dan A. Budiati, “Partisipasi Masyarakat Dalam Perencanaan Pembangunan Desa Kandui: Faktor Pengaruh Dan Tantangan,” Neorespublica : Jurnal Ilmu Pemerintahan, Vol. 6, No. 1, Hlm. 112–124, Des 2024, Doi: 10.52423/Neores.V6i1.1084.

4. Badan Pusat Statistik Kabupaten Konawe, Statistik Potensi Desa Kabupaten Konawe. 2024.

5. Badan Pusat Statistik Kabupaten Konawe, “Kabupaten Konawe Dalam Angka,” 2025.

6. L. Cahyani Dan M. Arif, “Text Mining Untuk Pengelompokan Skripsi Di Prodi Pendidikan Informatika Universitas Trunojoyo Madura,” Jurnal Ilmiah Edutic : Pendidikan Dan Informatika, Vol. 8, No. 2, Hlm. 97–108, Jun 2022, Doi: 10.21107/Edutic.V8i2.13020.

7. D. Z. Robert, A. B. Setiawan, Dan D. W. Widodo, “Implementasi Metode Support Vector Machine Untuk Klasifikasi Otomatis Pengaduan Publik Di Kabupaten Trenggalek,” Dalam Prosiding Semnas Inotek (Seminar Nasional Inovasi Teknologi), 2025, Hlm. 1617–1624. [Daring]. Tersedia Pada: Https://Proceeding.Unpkediri.Ac.Id/Index.Php/Inotek/

8. F. Limansyah, Mokh. Suef, Dan V. Ratnasari, “Visitors Needs Analysis In Mall Xyz With Text Mining Analysis,” Iptek Journal Of Proceedings Series, Vol. 0, No. 1, Hlm. 152, 2021, Doi: 10.12962/J23546026.Y2020i1.11321.

9. E. Rasywir, Y. Pratama, Irawan, Dan M. Istoningtyas, “Public Complaint Tweet Data Feature Analysis For Sentiment Classification,” Bulletin Of Electrical Engineering And Informatics, Vol. 13, No. 6, Hlm. 4366–4377, 2024, Doi: 10.11591/Eei.V13i6.7172.

10. M. Muqorobin, S. Rokhmah, I. Muslihah, Dan N. A. Rozaq Rais, “Classification Of Community Complaints Against Public Services On Twitter,” International Journal Of Computer And Information System (Ijcis), Vol. 1, No. 1, Hlm. 7–10, 2020, Doi: 10.29040/Ijcis.V1i1.6.

11. I. Syarif, R. Asmara, Dan N. U. Rusmayani, “Klasifikasi Keluhan Masyarakat Pada Sosial Media Twitter Terhadap Pelayanan Toko Online Di Indonesia Menggunakan Metode Cosine Tf-Idf,” Bina Insani Ict Journal, Vol. 7, No. 1, Hlm. 33–42, 2020, [Daring]. Tersedia Pada: Https://Proceeding.Unpkediri.Ac.Id/Index.Php/Inotek/

12. Y.-C. Chen, C.-H. Chang, Dan Y.-H. Lin, “Mining Public Service Quality Feedback From Social Media: A Computational Analytics Method,” Gov. Inf. Q., Vol. 38, No. 2, 2021, Doi: 10.1016/J.Giq.2021.101571.

13. E. D. Madyatmadja, C. P. M. Sianipar, C. Wijaya, Dan D. J. M. Sembiring, “Classifying Crowdsourced Citizen Complaints Through Data Mining: Accuracy Testing Of K-Nearest Neighbors, Random Forest, Support Vector Machine, And,” Vol. 10, No. 4, 2023.

14. V. Meida Hersianty, E. Larasati Amalia, D. Puspitasari, Dan D. Wahyu Wibowo, “Penerapan Algoritma Tf-Idf Dan Cosine Similarity Dalam Sistem Rekomendasi Lowongan Pekerjaan,” 2025.

15. F. S. Pamungkas Dan I. Kharisudin, “Analisis Sentimen Dengan Svm, Naïve Bayes Dan Knn Untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 Pada Media Sosial Twitter,” Dalam Prisma, Prosiding Seminar Nasional Matematika, 2021, Hlm. 1–10. Doi: 10.15294/Prisma.V6i0.45038.