Klasifikasi Tingkat Urgensi Pengaduan Masyarakat Menggunakan Long Short-Term Memory (Lstm) (Studi Kasus: Website Lapak Aduan Banyumas)

Abstract

Penggunaan website pengaduan masyarakat
sudah diterapkan di berbagai daerah, termasuk Lapak Aduan
Banyumas milik Pemerintah Kabupaten Banyumas. Website ini
memfasilitasi masyarakat untuk menyampaikan informasi,
keluhan, pertanyaan, dan usulan terkait pelayanan daerah.
Peningkatan jumlah aduan pada Desember 2023 (950 aduan)
dan Januari 2024 (1.032 aduan) memperlambat proses
penanganan, dan tanpa sistem skala prioritas penanganan
menjadi tidak tepat sasaran. Penelitian ini bertujuan untuk
mengimplementasikan sistem klasifikasi tingkat urgensi
pengaduan masyarakat menggunakan metode Long Short-Term
Memory (LSTM). Pada website Lapak Aduan Banyumas,
pengaduan yang masuk diklasifikasikan ke dalam kategori
“Urgent” berlaku jika kondisinya sangat memprihatinkan dan
berdampak serius dan “Not Urgent” berlaku jika kondisinya
serius tetapi tidak memerlukan penanganan segera. Penelitian
ini menggunakan data yang diambil dari website Lapak Aduan
Banyumas, terdiri dari 19.240 data pengaduan selama periode
2 Januari 2024 hingga 27 April 2025. Proses penelitian meliputi
tahapan Preprocessing Data, Pelabelan Data, Feature
Extraction, Pembuatan Model Klasifikasi, dan Deployment.
Berdasarkan hasil penelitian, model berhasil
mengklasifikasikan pengaduan ke dalam dua kategori dengan
rata-rata akurasi sebesar 99.51%. Nilai precision, recall, dan
F1-score juga tinggi dan seimbang di kedua kategori, yaitu 0,99
untuk Urgent maupun Not Urgent. Macro dan weighted average
sebesar 0.99 menunjukkan bahwa model mampu menangani
kedua kategori dengan sangat konsisten.
Kata kunci — Lapak Aduan Banyumas, Pengaduan, LSTM,
Urgent, Not Urgent