IMPLEMENTASI K-MEANS CLUSTERING PADA SISTEM PENGADUAN MASYARAKAT BERBASIS WEB UNTUK MENINGKATKAN EFISIENSI DAN TRANSPARANSI
DOI:
https://doi.org/10.32664/j-intech.v14i02.2350Kata Kunci:
Informasi; Perangkat Lunak; Aplikasi; SistemAbstrak
Sistem pengaduan masyarakat di Desa Sumengko masih mengandalkan metode konvensional seperti kunjungan langsung ke kantor desa dan forum musyawarah, sehingga menyulitkan perangkat desa dalam mengategorikan pengaduan secara sistematis dan menentukan prioritas penanganan yang tepat. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pengaduan masyarakat berbasis web yang terintegrasi dengan algoritma K-Means Clustering untuk mengelompokkan pengaduan secara otomatis berdasarkan kesamaan karakteristik teks. Sistem dibangun menggunakan framework Laravel berbasis PHP dengan database MySQL, serta menerapkan tahapan preprocessing teks meliputi case folding, tokenizing, stopword removal, dan stemming, kemudian dilanjutkan dengan pembobotan TF-IDF untuk mengubah teks menjadi representasi numerik sebelum proses clustering dilakukan. Dataset yang digunakan terdiri dari 15 dokumen pengaduan yang merepresentasikan tiga topik dominan, yaitu infrastruktur, lingkungan, dan kesehatan. Validasi jumlah cluster menggunakan metode Elbow menunjukkan bahwa k=3 merupakan titik optimal dengan nilai SSE signifikan terendah. Hasil simulasi menunjukkan bahwa algoritma K-Means mencapai konvergensi pada iterasi ke-2 dengan distribusi cluster: C₁ Kerusakan Infrastruktur (13%), C₂ Polusi dan Kebersihan (40%), dan C₃ Gangguan Lingkungan dan Kesehatan (47%). Sistem ini tidak hanya berfungsi sebagai media penyampaian pengaduan secara digital, tetapi juga sebagai alat analisis otomatis yang membantu perangkat desa dalam memprioritaskan penanganan pengaduan secara lebih efisien dan transparan.
Referensi
[1] M. Rizky and Muhammad Arifin, “Implementasi Aplikasi Pengaduan Masyarakat Berbasis Web di Desa Suwawal Kecamatan Mlonggo Kabupaten Jepara : Peningkatan Responsivitas Pemerintah Desa,” PROFICIO, vol. 6, no. 1, pp. 564–571, Nov. 2024, doi: 10.36728/jpf.v6i1.4304.
[2] I. P. Rakhayu, Purwanto, and L. Nur Azizah, "Analisis pola pengaduan warga menggunakan data mining K-Means di Desa Larangan Kabupaten Purbalingga," Global Research and Innovation Journal, vol. 1, no. 3, pp. 2120–2125, 2025.
[3] S. Sasmita and S. Muntari, “Penerapan algoritma K-Means clustering pada data keluhan pelanggan PT. PLN Persero Kota Pagar Alam,” Jurnal Ilmiah Teknosains, vol. 9, no. 1, pp. 9–12, 2023, doi: 10.26877/jitek.v9i1/Mei.15366.
[4] D. Afida, E. D. Udayanti, and E. Kartikadarma, “Aplikasi Text Mining untuk Klasterisasi Aduan Masyarakat Kota Semarang Menggunakan Algoritma K-means,” Jurnal Transformatika, vol. 18, no. 2, pp. 215–224, Jan. 2021, doi: 10.26623/transformatika.v18i2.2362.
[5] A. Nugraha, “Analisis Pengelompokan Teks Pada Data Pengaduan Masyarakat Menggunakan Algoritma K-Means Periode 2021-2022,” Doctoral Dissertation, 2023.
[6] K. Kurniasih and H. Mulyono, “Sistem Informasi Pengaduan Masyarakat Berbasis Web Pada Kantor Desa Ladang Peris Kecamatan Bajubang,” Jurnal Manajemen Sistem Informasi, vol. 7, no. 4, pp. 678–688, Dec. 2022, doi: 10.33998/jurnalmsi.2022.7.4.692.
[7] Dea Syafitri, Yani Maulita, and Lina Arlianan Nur Kadim, “Pengelompokan Data Keluhan Masyarakat Terhadap Fasilitas Umum diKota Binjai Menggunakan Metode Clustering,” Jurnal Penelitian Teknologi Informasi dan Sains, vol. 2, no. 3, pp. 158–170, Aug. 2024, doi: 10.54066/jptis.v2i3.2381.
[8] A. K. R. N. F. S. R. N. L. R. F. M. Dewi, “Deteksi Berita Hoax Pada Platform X Menggunakan Pendekatan Text Mining dan Algoritma Machine Learning,” Data Sciences Indonesia (DSI), vol. 5, no. 1, pp. 33–46, 2025.
[9] N. Hendrastuty, “Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Dalam Evaluasi Hasil Pembelajaran Siswa,” Jurnal Ilmiah Informatika dan Ilmu Komputer (JIMA-ILKOM), vol. 3, no. 1, pp. 46–56, Mar. 2024, doi: 10.58602/jima-ilkom.v3i1.26.
[10] I. A. Kholidah and Aries Dwi Indriyanti, “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,” Journal of Informatics and Computer Science (JINACS), vol. 6, no. 04, pp. 1180–1189, Jul. 2025, doi: 10.26740/jinacs.v6n04.p1180-1189.
[11] D. Marutho, S. Hendra Handaka, E. Wijaya, and Muljono, “The Determination of Cluster Number at k-Mean Using Elbow Method and Purity Evaluation on Headline News,” in 2018 International Seminar on Application for Technology of Information and Communication, IEEE, Sep. 2018, pp. 533–538. doi: 10.1109/ISEMANTIC.2018.8549751.
[12] Hadi Sucipto, Ahmad Heru Mujianto, Chamdan Mashuri, Mahrus Ali, and Mahfudiyanto, “Implementasi Aplikasi E-Surat pada Perangkat Desa di Desa Menturus Kudu Jombang,” ABIDUMASY Jurnal Pengabdian Kepada Masyarakat, vol. 1, no. 1, pp. 34–41, Mar. 2020, doi: 10.33752/abidumasy.v1i1.654.
[13] P. Sushanty, Ariesta Lestari, Devi Karolita, Jadiaman Parhusip, and Licantik, “Sistem Informasi Pelayanan Administrasi Surat Desa Bumi Subur, Katingan, Kalimantan Tengah Berbasis Web,” Prosiding Seminar Nasional KONSTELASI, vol. 3, no. 1, pp. 517–528, Jan. 2026, doi: 10.24002/prosidingkonstelasi.v3i1.13879.
[14] F. M. Sarimole and L. Hakim, “Klasifikasi Barang Menggunakan Metode Clustering K-Means Dalam Penentuan Prediksi Stok Barang,” Jurnal Sains dan Teknologi, vol. 5, no. 3, pp. 846–854, Feb. 2024, doi: 10.55338/saintek.v5i3.2709.
[15] D. I. Masruri, S. Widodo, and F. E. Purwiantono, “Implementasi k-Means Untuk Sistem Informasi Penyebaran Penyakit Epidemi Di Kota Malang,” J-INTECH, vol. 9, no. 02, pp. 101–107, Dec. 2021, doi: 10.32664/j-intech.v9i02.638.
[16] D. P. Dewi, I. H. Santi, and W. D. Puspitasari, “Perhitungan Penilaian Tingkat Kepuasan Pelanggan Dengan Menerapkan Algoritma K-Means,” J-INTECH, vol. 11, no. 2, pp. 257–265, Dec. 2023, doi: 10.32664/j-intech.v11i2.981.
[17] V. P. Ramadhan and G. M. Namung, “Klasterisasi Komentar Cyberbullying Masyarakat di Instagram berdasarkan K-Means Clustering,” J-INTECH, vol. 11, no. 1, pp. 32–39, Jul. 2023, doi: 10.32664/j-intech.v11i1.846.
[18] A. Punhani, N. Faujdar, K. K. Mishra, and M. Subramanian, “Binning-Based Silhouette Approach to Find the Optimal Cluster Using K-Means,” IEEE Access, vol. 10, pp. 115025–115032, 2022, doi: 10.1109/ACCESS.2022.3215568.
[19] F. Handayani, “Aplikasi Aplikasi Data Mining Menggunakan Algoritma K-Means Clustering untuk Mengelompokan Mahasiswa Berdasarkan Gaya Belajar,” Jurnal Teknologi dan Informasi, vol. 12, no. 1, pp. 46–63, Mar. 2022, doi: 10.34010/jati.v12i1.6733.
[20] M. Aidin, “Transformasi Digital Administrasi Desa Melalui Sistem Informasi Desa: Kajian Pustaka Tentang Faktor Pendukung,” Nusantara Journal of Multidisciplinary Science, vol. 3, no. 8, pp. 1661–1674, 2025.
[21] A. Bangor, P. Kortum, and J. Miller, "Determining what individual SUS scores mean: Adding an adjective rating scale," Journal of Usability Studies, vol. 4, no. 3, pp. 114–123, 2009.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 J-INTECH ( Journal of Information and Technology)
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
