Penerapan Naive Bayes untuk Klasifikasi E-Lapor Kabupaten Sumedang

Abstract

Sistem E-Lapor (SP4N-LAPOR!) di Kabupaten Sumedang menghadapi tantangan dalam mengklasifikasikan volume laporan masyarakat yang masuk, di mana proses disposisi manual ke instansi terkait berjalan lambat dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk mengimplementasikan algoritma Naive Bayes Classifier (NBC) dengan pembobotan TF-IDF untuk mengotomatisasi proses klasifikasi tersebut. Metodologi penelitian mencakup pra-pemrosesan teks (tanpa stemming), pembagian data 80/20, dan evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan kinerja model yang sangat rendah, dengan akurasi akhir hanya 24.14%. Temuan utama dari penelitian ini adalah bahwa kegagalan kinerja bukan disebabkan oleh kelemahan algoritma NBC, melainkan oleh masalah fundamental pada dataset yang digunakan: jumlah data yang sangat tidak memadai (data sparsity) dengan total hanya ~145 sampel bersih, serta distribusi kelas yang sangat tidak seimbang (highly imbalanced). Temuan ini menyimpulkan bahwa dataset E-Lapor Sumedang saat ini tidak layak untuk pelatihan model otomatis tanpa penambahan data dan penerapan teknik penyeimbangan data.
Kata kunci: E-Lapor, Klasifikasi Teks, Naive Bayes, SP4N-LAPOR!, Data Tidak Seimbang