Perbandingan Penerapan Text Mining Pada Aplikasi Wargaku Surabaya Untuk Aduan Masyarakat Terhadap Satpol PP Kota Surabaya Dengan Algoritma K-Means Clustering Dan Fuzzy C-Means Clustering
Abstract
Abstrak— Di era digital, teknologi memiliki peran penting dalam memfasilitasi komunikasi antara pemerintah dan masyarakat, salah satunya melalui layanan pengaduan publik. Aplikasi WargaKu Surabaya merupakan inovasi dari Pemerintah Kota Surabaya yang memudahkan masyarakat dalam menyampaikan aduan, kritik, dan saran secara langsung. Salah satu instansi yang menerima laporan dari aplikasi ini adalah Satpol PP Kota Surabaya. Aduan yang masuk sangat beragam dan jumlahnya cukup besar. Namun, data tersebut umumnya berbentuk teks tidak terstruktur, serta banyak aduan yang berulang atau membahas topik yang sama. Kondisi ini menunjukkan bahwa penanganan aduan oleh Satpol PP belum berjalan optimal, sehingga diperlukan pengelolaan data yang lebih efektif.
Penelitian ini bertujuan untuk membandingkan kinerja algoritma K-Means dan Fuzzy C-Means dalam mengelompokkan data aduan masyarakat. Tujuannya adalah untuk membantu pemerintah memetakan isu-isu yang paling sering muncul agar dapat diprioritaskan penanganannya. Data yang digunakan merupakan aduan masyarakat kepada Satpol PP melalui aplikasi WargaKu Surabaya, sebanyak 500 data yang dikumpulkan dari Januari 2023 hingga April 2024.
Hasil penelitian menunjukkan bahwa algoritma K-Means memiliki performa lebih baik dalam membentuk klaster, dengan nilai Silhouette sebesar 0.5048 dibandingkan Fuzzy C-Means sebesar 0.5000. Selain itu, K-Means lebih cepat dan menghasilkan pemisahan klaster yang lebih jelas, sementara Fuzzy C-Means lebih sensitif terhadap data outlier.
Kata Kunci— Text Mining, Aduan Masyarakat, K-Means, Fuzzy C-Means, Clustering.
Downloads

