KLASIFIKASI TEKS LAPORAN MASYARAKAT PADA SITUS LAPOR! MENGGUNAKAN RECURRENT NEURAL NETWORK

Abstract

ABSTRACT
The existence of public dissatisfaction with public services causes the public to be provided with facilities to make complaints. One of the sites that can be used to make complaints is the Public Service Complaint Management System (SP4N LAPOR!). With this site, complaints made by the public can be handled quickly, transparently and accountably in accordance with the authority of each organizer. However, the large number of complaints that had to be processed caused the process of data verification and sorting of reports by respective departments to take quite a long time, so the report classification process was needed to speed up the handling and follow-up of a report. The purpose of this research is to classify each complaint report from the public in preparation for the verification process of each public report document, which is expected to have an impact on the accelerated process of handling and follow-up of each related institution or agency. In this study, Long Short-Term Memory Recurrent Neural Network was used to perform the classification process for each public report document. The learning model is evaluated using k-fold cross-validation of 10 parts of data. The evaluation results show that the average f-measure percentage is 85.69% for the balanced dataset and 79.44% for the unbalanced dataset, while the highest evaluation value of all evaluations results in an f-measure of 88.82%. The high accuracy of the modeling indicates that the proposed method can be used to classify public report documents.

Keywords: classification, complaint, , long short-term memory, recurrent neural network, report

ABSTRAK
Adanya ketidak puasan masyarakat terhadap layanan publik menyebabkan masyarakat perlu disediakan fasilitas untuk melakukan pengaduan. Salah satu situs yang dapat digunakan untuk melakukan pengaduan adalah Sistem Pengelolaan Pengaduan Pelayanan Publik (SP4N LAPOR!). Dengan adanya situs ini, aduan yang dilakukan oleh masyarakat dapat ditangani dengan cepat, transparan, dan akuntabel sesuai dengan kewenangan masing-masing penyelenggara. Namun, banyaknya aduan yang harus diproses menyebabkan proses verifikasi data dan pemilahan laporan berdasarkan instansi masing-masing membutuhkan waktu yang cukup lama, sehingga proses klasifikasi laporan sangat dibutuhkan untuk mempercepat penanganan dan tindak lanjut dari sebuah laporan. Tujuan dari penelitian ini adalah mengklasifikasikan setiap laporan pengaduan dari masyarakat untuk persiapan proses verifikasi setiap dokumen laporan masyarakat, yang nantinya diharapkan dapat berdampak pada proses percepatan penanganan dan tindak lanjut dari setiap Lembaga atau instansi yang terkait. Pada penelitian ini, Long Short-Term Memory Recurrent Neural Network digunakan untuk melakukan proses klasifikasi setiap dokumen laporan masyarakat. Model pembelajaran dievaluasi menggunakan k-fold cross-validation sebanyak 10 bagian data. Hasil evaluasi menunjukkan rata-rata persentase f-measure sebesar 85,69% untuk dataset seimbang dan 79,44% untuk dataset tidak seimbang, sedangkan nilai evaluasi tertinggi dari semua evaluasi menghasilkan f-measure sebesar 88,82%. Akurasi pemodelan yag cukup tinggi menunjukkan bahwa metode yang diusulkan dapat digunakan untuk mengklasifikasikan dokumen laporan masyarakat.

Kata Kunci: klasifikasi, pengaduan, long short-term memory, recurrent neural network, lapor