<![CDATA[Pelayanan publik merupakan salah satu aspek penting dari penyelenggaraan pemerintahan karena dapat mempengaruhi kepuasan masyarakat dan reputasi pemerintah. Penelitian ini bertujuan untuk menganalisis pola dan tren keluhan masyarakat terhadap layanan publik Imigrasi di Kementerian Hukum dan Hak Asasi Manusia Republik Indonesia melalui data media sosial X. Selain itu, penelitian ini juga mengukur efektivitas algoritma Neural Network, k-NN, dan Naive Bayes dalam mengklasifikasikan sentimen positif, negatif dan netral pada komentar terkait layanan publik tersebut. Penelitian dilakukan dengan menggunakan sejumlah 1948 untuk data latih dan 595 untuk data uji. Metodologi data mining yang digunakan yaitu CRISP-DM dengan melakukan preprocessing untuk menghilangkan karakter yang tidak diperlukan. Untuk merepresentasikan dokumen ke dalam bentuk numerik dilakukan pembobotan TF-IDF. Pemodelan menggunakan perangkat lunak Orange Data Minning. Pengujian dilakukan menggunakan confusion matrix untuk mendapatkan nilai akurasi dan presisi. Hasil terbaik yang di dapat pada analisis sentimen layanan imigrasi adalah algoritma Neural Network dengan memberikan nilai akurasi rata-rata sebesar 71,8%. Pada kasus ini Neural Network konsisten memberikan performa terbaik untuk kelas "negatif" dan "netral". Hasil dari penelitian ini diharapkan dapat memberikan rekomendasi untuk meningkatkan kualitas pelayanan publik Imigrasi serta pengambilan kebijakan yang lebih efektif berdasarkan hasil analisis sentimen.]]>
Copyrights © 0000
