Home
Login.
Artikelilmiahs
44569
Update
MATTHEW DESTAR ADHIBROTO PUTRO HUTAGAOL
NIM
Judul Artikel
Klasifikasi Teks untuk Pengelompokan Kategori Aduan dalam Sistem Lapak Aduan Banyumas menggunakan IndoBERT
Abstrak (Bhs. Indonesia)
Sistem Lapak Aduan Banyumas merupakan sistem informasi berbasis web yang mengelola aduan, keluhan atau pertanyaan terkait pelayanan publik di wilayah Kabupaten Banyumas, di mana aduan-aduan tersebut berasal dari media sosial. Dalam sistem ini, proses untuk menentukan atau mengelompokan kategori aduan terhadap aduan-aduan yang masuk dilakukan secara manual. Penelitian ini bertujuan untuk menjelajahi cara untuk menyederhanakan proses tersebut dengan memanfaatkan teknologi klasfikasi teks. Hasil dari penelitian ini adalah sebuah pengklasifikasi teks yang dapat mengelompokan aduan-aduan ke dalam kategori-kategori yang tepat secara sistematis dan terkomputerisasi. Sebuah pengklasifikasi teks memerlukan sebuah algoritma atau model pembelajaran mesin. Pengklasifikasi teks pada penelitian ini menggunakan model IndoBERT. Analisis kinerja menggunakan confusion matrix menunjukkan bahwa pengklasifikasi teks mencapai kinerja yang cukup baik. Analisis menunjukkan bahwa pengklasifikasi teks memiliki nilai akurasi rata-rata sebesar 91,6%.
Abtrak (Bhs. Inggris)
Sistem Lapak Aduan Banyumas is a web-based information system that manages complaints or questions related to public services within the Banyumas district, where these complaints originate from social media. In this system, the process of determining or grouping complaint categories for incoming complaints is done manually. This research aims to explore a way to streamline that process by leveraging text classification technology. The outcome of this research is a text classifier that is capable of grouping complaints into appropriate categories in a systematic and computerized manner. A text classifier requires a machine learning algorithm or model. The text classifier in this research uses the IndoBERT model. Performance analysis utilizing confusion matrix shows that the text classifier achieves decent performance. The analysis shows that the text classifier has an average accuracy value of 91,6%.
Kata kunci
Pembimbing 1
Pembimbing 2
Pembimbing 3
Tahun
Jumlah Halaman
Save