Pengelompokan dan Klasifikasi Laporan Masyarakat di Situs Media Center Surabaya Menggunakan Metode K-Means Clustering dan Support Vector Machine

Media center merupakan sebuah sistem pelayanan terintegrasi bagi masyarakat Surabaya. Melalui media center masyarakat dapat berpartisipasi dengan memberikan laporan terkait kota Surabaya. Pengelompokan laporan masyarakat yang dilakukan oleh media center masih manual. Sehingga diperlukan sebuah alternatif lain untuk mempermudah pihak media center dalam melakukan pengelompokan tersebut. Pada tugas akhir ini penulis melakukan penelitan terkait pengelompokan dan klasifikasi laporan masyarakat dengan menerapkan metode K-Means Clustering dan Support Vector Machine. Laporan masyarakat yang digunakan pada penelitian ini belum memiliki label sehingga harus melalui pengelompokan terlebih dahulu menggunakan K-Means Clustering untuk memberikan label pada data berdasarkan label clusternya. Selanjutnya data yang telah berlabel tersebut dapat diklasifikasikan dengan SVM untuk membentuk model klasifikasi. Berdasarkan hasil pengelompokan yang dilakukan terhadap 1948 data laporan, diperoleh 10-cluster sebagai cluster terbaik dengan nilai koefisien sillhoute sebesar 0,61. Selanjutnya dengan menggunakan 1568 data training dan 380 data testing didapatkan akurasi model klasifikasi sebesar 83,42% ================================================================= Media center is an integrated service system for the community. Through the media center community can participate by providing related reports the city of Surabaya. Grouping reports conducted by media center still manual. So it required an alternative method to simplify media center do grouping. In this final task the author doing clustering and classification community report by applying method of K-Means Clustering and Support Vector Machine. Community reports used in this research does not yet have the label so it has to go through the process first clustering using K-Means Clustering to provide labels on the data. Further data that has been labeled based on clusters can be classified with SVM to form the model. Based on the results of clustering is done against the 1948 report data, retrieved 10-cluster as the best cluster with sillhoute coefficients of 0.61. Furthermore using 1568 data training and 380 data testing obtained accuracy classification model of 83.42%