Klasifikasi Teks Bahasa Indonesia Pada Dokumen Pengaduan SAMBAT Online Menggunakan Metode Naive Bayes dan Kombinasi Seleksi Fitur
Kata Kunci:
SAMBAT Online, Klasifikasi Teks, Chi-Square, Information Gain, Naive BayesAbstrak
SAMBAT Online merupakan bentuk realisasi e-Government yang ada di Kota Malang. SAMBAT Online atau Sistem Aplikasi Masyarakat Bertanya Terpadu Online suatu platform berupa situs web yang disediakan oleh pemerintah Kota Malang untuk menerima laporan pengaduan, kritik, saran, maupun pertanyaan kepada pemerintah. Setiap laporan yang masuk akan dikelompokkan secara manual oleh pengelola sistem SAMBAT Online. Pengelompokan yang dilakukan berdasarkan Satuan Kerja Perangkat Daerah (SKPD) yang dituju secara manual. Oleh karena ini dibangunlah sistem klasifikasi untuk mengefesiensikan waktu pada proses pengelompokan laporan ke SKPD yang dituju menggunakan metode Naive Bayes dan Kombinasi Seleksi Fitur antara Chi-Square dan Information Gain. Pada pengujian yang dilakukan, sistem berhasil memberikan hasil akurasi yang lebih baik apabila menggunakan seleksi fitur dibanding tanpa menggunakan seleksi fitur dengan nilai akurasi sebesar 83,33%. Selanjutnya pada saat dilakukan kombinasi seleksi fitur, hasil akurasi yang didapatkan sama dengan hasil tanpa dilakukan kombinasi yaitu 83,33%. Sehingga kombinasi seleksi fitur belum bisa memberikan hasil yang lebih baik.