<![CDATA[Aduan pelanggan PDAM tersimpan sebagai teks bebas sehingga proses pengelompokan jenis gangguan dan penentuan prioritas awal masih memerlukan pembacaan petugas. Penelitian ini bertujuan membangun pipeline klasifikasi teks untuk lima kategori gangguan dan memetakan keluaran model terpilih menjadi tingkat prioritas. Data penelitian berasal dari 4.147 aduan aplikasi SIBANYU periode Januari-Desember 2025. Setelah anonimisasi dan penyaringan, sebanyak 2.885 observasi digunakan. Label historis diperiksa melalui koreksi berbasis aturan, sedangkan teks diproses menggunakan case folding, penghapusan angka dan simbol, stopword removal dengan perlindungan kata negasi, stemming Sastrawi, serta TF-IDF unigram-bigram. Hyperparameter Logistic Regression, SVM Linear, dan SVM RBF dipilih menggunakan GridSearchCV dengan tiga-fold stratified cross-validation, class_weight seimbang, dan pembagian data utama 80:20. Logistic Regression menghasilkan performa terbaik dengan akurasi 92,55%, F1-score tertimbang 92,41%, dan F1-score macro 67,74%, serta tetap berada pada peringkat pertama dalam lima skenario pembagian data. Pemetaan berbasis aturan menghasilkan 516 aduan Mendesak, 50 Sedang, dan 11 Reguler. Hasil penelitian menunjukkan bahwa pipeline mampu mendukung klasifikasi dan triase awal, tetapi interpretasinya tetap dibatasi oleh ketidakseimbangan kelas, label acuan berbasis aturan, dan kesalahan klasifikasi.]]>
Copyrights © 2026
