<![CDATA[Pengelolaan laporan masyarakat secara manual masih menjadi kendala dalam proses identifikasi kebutuhan fasilitas publik karena memerlukan waktu yang relatif lama, berpotensi menimbulkan ketidakkonsistenan dalam pengelompokan data, serta menyulitkan proses penyusunan prioritas pembangunan. Penelitian ini bertujuan mengembangkan sistem informasi berbasis web yang mampu mengklasifikasikan laporan masyarakat secara otomatis berdasarkan kategori fasilitas publik. Metode yang diterapkan menggunakan Text Mining dengan tahapan case folding, cleaning, dan normalisasi sebagai proses preprocessing, kemudian dilanjutkan dengan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) serta klasifikasi menggunakan algoritma Support Vector Machine (SVM). Dataset penelitian bersumber dari laporan Musyawarah Perencanaan Pembangunan (Musrenbang) Kabupaten Konawe Tahun 2024 yang terdiri atas 284 data training dan 71 data testing. Evaluasi model dilakukan menggunakan Confusion Matrix dan Classification Report untuk mengukur nilai accuracy, precision, recall, macro F1-score, dan weighted F1-score. Hasil pengujian menunjukkan bahwa model mampu mengklasifikasikan laporan masyarakat ke dalam lima belas kategori fasilitas publik dengan nilai accuracy sebesar 95,77%, precision sebesar 93,54%, recall sebesar 97,04%, macro F1-score sebesar 94,34%, dan weighted F1-score sebesar 96,02%. Hasil tersebut menunjukkan bahwa kombinasi metode TF-IDF dan algoritma Support Vector Machine (SVM) mampu menghasilkan klasifikasi yang baik serta mendukung Bappeda Kabupaten Konawe dalam mengidentifikasi kebutuhan fasilitas publik secara lebih cepat, konsisten, objektif, dan berbasis data sebagai pendukung pengambilan keputusan dalam perencanaan pembangunan daerah.]]>
Copyrights © 2026
