<![CDATA[Pemerintah Kabupaten Sleman, sejak 15 Mei 2016, telah meluncurkan aplikasi bernama 'Lapor Sleman', yang berfungsi sebagai platform untuk mengajukan keluhan masyarakat. Warga menginput data keluhan ke dalam aplikasi 'Lapor Sleman', termasuk kategori keluhan, judul laporan, rincian, serta foto dan koordinat. Seiring waktu, penggunaan media sosial seperti Twitter telah memberikan masyarakat berbagai opsi untuk mengekspresikan keluhannya. Klasifikasi manual dari banyak postingan Twitter oleh manusia telah menjadi tugas rutin yang seharusnya dapat dilakukan secara otomatis oleh mesin. Selain itu, memfasilitasi masyarakat dalam mengajukan keluhan, termasuk klasifikasi keluhan otomatis, adalah sesuatu yang perlu diimplementasikan. Tujuan utama penelitian ini adalah mengevaluasi efektivitas dan akurasi metode Machine Learning (Naive Bayes Classifier) dan Deep Learning (Gated Recurrent Unit) dalam mengkategorikan keluhan masyarakat di Kabupaten Sleman. Tujuan penelitian secara khusus meliputi: (1) Menganalisis dampak hyperparameter Naive Bayes Classifier (NBC) terhadap akurasi selama pelatihan dan implementasi berkas pickle; (2) Menganalisis hyperparameter Gated Recurrent Unit (GRU) terhadap akurasi selama pelatihan dan penggunaan berkas h5 dan pth; (3) Membandingkan kinerja antara metode NBC dan GRU. Dataset pelatihan terdiri dari 5.308 keluhan masyarakat yang dikumpulkan dari aplikasi 'Lapor Sleman'. Hasil menunjukkan keunggulan NBC. Namun, NBC sedikit kurang dalam mencapai akurasi dataset keseluruhan dibandingkan dengan GRU PyTorch. Sebaliknya, GRU di TensorFlow menunjukkan kinerja yang relatif kurang baik, menempati peringkat ketiga dalam sebagian besar aspek. Selain itu, GRU di TensorFlow menunjukkan tanda-tanda overfitting, terlihat melalui penurunan akurasi selama pengujian dengan dataset lengkap.]]>
Copyrights © 2024
