Sistem Survei Kepuasan Masyarakat Terhadap Pelayanan Disdukcapil Banjarbaru Dengan K-Means Dan Text Mining
DOI:
https://doi.org/10.35889/progresif.v22i3.3523Keywords:
Survei, Disdukcapil, Banjarbaru, K-Means Clustering, Text MiningAbstract
This study develops a public satisfaction survey system for the services of the Banjarbaru City Population and Civil Registration Office (Disdukcapil), which integrates online and offline data collection. The problem encountered is the lack of utilization of collected criticism and suggestions. The purpose of this study is to identify segments of public satisfaction and explore patterns of complaints or appreciation through the application of the K-Means Clustering and Text Mining methods. The methods used in this study are K-Means Clustering to group satisfaction levels and Text Mining to analyze respondents' comments. The results show that the grouping and analysis of public comments provide deeper insights for data-driven public service improvements. This system is expected to assist in the evaluation and continuous improvement of service quality.
Keywords: Survey; Population and Civil Registration Office; Banjarbaru; K-Means Clustering; Text Mining
Abstrak
Penelitian ini mengembangkan sistem survei kepuasan masyarakat terhadap pelayanan Dinas Kependudukan dan Pencatatan Sipil (Disdukcapil) Kota Banjarbaru, yang mengintegrasikan pengumpulan data online dan offline. Masalah yang dihadapi adalah kurangnya pemanfaatan data kritik dan saran yang dikumpulkan. Tujuan penelitian ini adalah untuk mengidentifikasi segmen kepuasan masyarakat dan menggali pola keluhan atau apresiasi melalui penerapan metode K-Means Clustering dan Text Mining. Metode yang digunakan dalam penelitian ini adalah K-Means Clustering untuk mengelompokkan tingkat kepuasan dan Text Mining untuk menganalisis komentar responden. Hasil penelitian menunjukkan bahwa pengelompokan dan analisis komentar masyarakat memberikan wawasan yang lebih dalam untuk perbaikan layanan publik yang berbasis data. Sistem ini diharapkan dapat membantu evaluasi dan peningkatan kualitas pelayanan secara berkelanjutan.
References
[1] R. R. Tarigan, “Survei Minat Siswa Kelas Viii Smp Negeri 1 Payung Dalam Mengikuti Ekstrakurikuler Sepak Bola Tahun Pelajaran 2020/2021,” Program Studi Pendidikan Olahraga Fakultas Keguruan Dan Ilmu Pendidikan Universitas Quality Berastagi, Karo, 2021.
[2] M. Singarimbun, “Metode penelitian survei. Kesatu. Jakarta., 1995
[3] [3 N. A. Putri, “Sistem Pengaduan Kritik Dan Saran (Sipetikan) Berbasis Android Pada Desa Kelambir V Kebun,” JSR: Jaringan Sistem Informasi Robotik, vol. 6, no. 1, pp.44-50, 2022.
[4] C. Wirawan, “Survey kepuasan masyarakat terhadap pelayanan kesehatan di RSUD Sejiran Setason Kabupaten Bangka Barat tahun 2022,” Media Publikasi Promosi Kesehatan Indonesia (MPPKI), vol. 6, no. 6, pp. 1110–1116, 2023.
[5] U. U. Burelia, “Mengukur tingkat kepuasan masyarakat pada pelayanan Kepolisian Resor (Polres) Dumai menggunakan algoritma K-Means clustering,” Jurnal Teknologi Komputer dan Informasi, vol. 10, no. 1, pp. 12–18, 2022.
[6] I. Zulvia, F. A. Hidayatulloh, and E. Rahmawati, “Analisis Kepuasan Pasien Terhadap Pelayanan Kesehatan di Klinik Alkindi Herbal Menggunakan Metode K-Means Clustering,” JIKO (Jurnal Informatika Dan Komputer), vol. 6, no. 2, p. 261, Sep. 2022, doi: 10.26798/jiko.v6i2.612.
[7] Y. Hariyanto, A. Primadewi, and M. Hanafi, “Analisis Kepuasan Masyarakat terhadap Pelayanan Publik menggunakan K-Means Clustering,” Journal of Information System Research (JOSH), vol. 6, no. 2, pp. 1065–1074, Jan. 2025, doi: 10.47065/josh.v6i2.6577.
[8] E. H. Wisanta, “Analisis algoritma K-Means untuk clustering kepuasan pelayanan: Mall Pelayanan Publik Pekanbaru,” in Seminar Nasional Informatika (SENATIKA), pp. 222–228, 2021.
[9] W. A. Setyarini, “Survei Kepuasan Masyarakat terhadap Pelayanan Pengaduan Masyarakat Lapor Hendi Tahun 2021,” Jurnal Riptek, vol. 16, no. 2, pp. 90–96, Dec. 2022, doi: 10.35475/riptek.v16i2.157.
[10] I. Zulkarnaen, O. E. Wulandari, Padulah, and H. Kurnia, “Identifikasi pohon keputusan hipertensi dengan sistem RapidMiner dan metode klasifikasi,” Tropical Public Health Journal, vol. 3, no. 2, pp. 63–71, Sep. 2023, doi: 10.32734/trophico.v3i2.13226.
[11] W. I. Rahayu, C. Prianto, and E. A. Novia, “Perbandingan Algoritma K-Means Dan Naïve Bayes Untuk Memprediksi Prioritas Pembayaran Tagihan Rumah Sakit Berdasarkan Tingkat Kepentingan Pada Pt. Pertamina (Persero),” Jurnal Teknik Informatika, vol. 13, no. 2, pp. 1–8, Apr. 2021
[12] Sugiyono. Metode Penelitian Pendidikan. CV.Alfabert, Bandung., 2015.
[13] T. A. Rospricilia and M. N. P. Ma’ady, “Pemodelan Integration Use Case (IUC): Perancangan Use Case Diagram (UML) untuk Sistem-sistem yang Terintegrasi,” INTEGER Journal of Information Technology, vol. 9, no. 2, pp. 165–172, Sep. 2024, doi: 10.31284/j.integer.2024.v9i2.6345.
[14] W. Handayani et al., “Optimalisasi K-Means Clustering Berbasis Web dalam Analisis Kepuasan Masyarakat terhadap Korem 031/Wira Bima,” Prosiding-Seminar Nasional Teknologi Informasi & Ilmu Komputer (SEMASTER), vol. 3 no. 1, pp. 262–276, 2024.
[15] N. Rahmawati, R. Buaton, and I. Ambarita, “Klasifikasi Tingkat Kepuasan Masyarakat Penggunaan BPJS Kesehatan di Kota Binjai Menggunakan K-Means Clustering,” Switch Jurnal Sains Dan Teknologi Informasi, vol. 2, no. 5, pp. 86–98, Aug. 2024, doi: 10.62951/switch.v2i5.188.
[16] S. O. Sofiyah, N. R, and R. D. Dana, “Analisis Efektivitas Pelayanan Publik Menggunakan K-Means Clustering Di Kecamatan Sukagumiwang,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 2, pp. 1291–1296, Sep. 2023, doi: 10.36040/jati.v7i2.6536.
