<![CDATA[Pengelolaan surat masuk pada lingkungan pemerintahan daerah berperan penting dalam mendukung efektivitas administrasi dan pengambilan keputusan oleh pimpinan daerah. Surat masuk merupakan salah satu bentuk komunikasi resmi yang harus dikelola secara sistematis agar informasi yang terkandung di dalamnya dapat segera ditindaklanjuti sesuai dengan bidang administrasi terkait. Volume surat yang tinggi sering menimbulkan berbagai kendala, terutama dalam proses identifikasi isi surat dan pengelompokan berdasarkan bidang administrasi yang berwenang. Kondisi tersebut berpotensi menyebabkan keterlambatan disposisi, kesalahan pengelompokan surat, serta menurunnya kualitas pelayanan administrasi apabila masih dilakukan secara manual. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma machine learning, yaitu Extreme Gradient Boosting (XGBoost) dan Random Forest, dalam melakukan klasifikasi surat masuk kepala daerah secara otomatis dan terstruktur. Data yang digunakan dalam penelitian ini meliputi arsip surat masuk pemerintah daerah periode 2021–2022 serta hasil ekstraksi dokumen surat berbentuk PDF yang diperoleh dari aplikasi persuratan SRIKANDI menggunakan pustaka pdfplumber untuk menghasilkan data teks yang dapat diolah.. Tahapan penelitian mencakup proses pra-pemprosesan data, pembagian data menjadi data latih dan data uji, pelatihan model, serta evaluasi kinerja model menggunakan indikator accuracy, precision, recall, dan F1-score. Berdasarkan hasil pengujian, algoritma XGBoost menunjukkan performa yang lebih unggul dengan nilai akurasi sebesar 81,87% dan F1-score 82,00%, dibandingkan Random Forest yang hanya mencapai akurasi 76,00% dan F1-score 76,03%. Dengan demikian, XGBoost dinilai lebih efektif untuk mendukung proses klasifikasi surat dalam implementasi e-government di lingkungan pemerintahan daerah.]]>
