Pemilihan Algoritma Klasifikasi Terbaik Untuk Prediksi Jenis Keluhan Mi User Interface (MIUI) 14

Penelitian ini bertujuan untuk memilih algoritma klasifikasi

terbaik untuk memprediksi jenis keluhan pada antarmuka

pengguna MIUI 14. Data keluhan diambil dari crawling data

Twitter dan Xiaomi Community, dengan total 1920 keluhan yang

dikelompokkan ke dalam lima kategori: Hardware, Software,

Network, Data handling, dan bukan keluhan. Algoritma klasifikasi

yang dievaluasi adalah SVM, KNN, Naive Bayes, Random Forest, dan

Decision Tree.

Berdasarkan hasil cross-validation dengan skenario fold 3, 5, dan

10, algoritma Support Vector Machine (SVM) menunjukkan kinerja

terbaik dibandingkan dengan algoritma lain. Pada data train, SVM

consistently memberikan nilai akurasi tertinggi (0.863, 0.867, 0.881)

dan hasil ini juga tercermin pada data Test dengan nilai akurasi

yang paling tinggi (0.825, 0.843, 0.851). Meskipun Random Forest

memiliki performa Train yang cukup baik, akurasi pada data

Testnya tidak sebaik SVM. Naïve Bayes, KNN, dan Decision Tree

cenderung menunjukkan performa yang lebih rendah

dibandingkan SVM pada kedua set data, baik Train maupun Test.

Oleh karena itu, SVM adalah pilihan metode terbaik untuk dataset

ini berdasarkan hasil cross-validation. Ini menandakan bahwa SVM

efektif dalam memisahkan data dalam ruang fitur yang kompleks

dan memiliki kemampuan generalisasi yang baik terhadap data

baru. Berdasarkan hasil tersebut, SVM dipilih sebagai metode terbaik untuk memprediksi jenis keluhan pada antarmuka

pengguna MIUI 14.

Selain itu, dalam penelitian ini juga dibangun sebuah website

menggunakan Flask untuk mempermudah pengguna dalam

memasukkan keluhan mereka. Dengan adanya website ini,

pengguna dapat dengan mudah mengidentifikasi kategori

keluhan mereka dan mendapatkan solusi dengan lebih cepat.

Kata Kunci : MIUI, Cross Validation, SVM, Algoritma Klasifikasi

This study aims to select the best classification algorithm to predict

the types of complaints on the MIUI 14 user interface. Complaint data

was collected from crawling data on Twitter and the Xiaomi Community,

with a total of 1920 complaints categorized into five categories:

Hardware, Software, Network, Data handling, and non-complaints.

The classification algorithms evaluated were SVM, KNN, Naive

Bayes, Random Forest, and Decision Tree. Based on cross-validation

results with 3, 5, and 10 fold scenarios, the Support Vector Machine

(SVM) algorithm showed the best performance compared to other

algorithms. On the Training data, SVM consistently provided the highest

accuracy scores (0.863, 0.867, 0.881), and this was also reflected in the

Test data with the highest accuracy scores (0.825, 0.843, 0.851).

Although Random Forest performed quite well on the Training data, its

Test accuracy was not as high as that of SVM. Naive Bayes, KNN, and

Decision Tree tended to show lower performance compared to SVM on

both Train and Test data. Therefore, SVM is the best method choice for

this dataset based on cross-validation results.

This indicates that SVM is effective in separating data in a complex

feature space and has good generalization capability on new data. Based

on these results, SVM was selected as the best method to predict the types

of complaints on the MIUI 14 user interface. Additionally, in this study,

a website was built using Flask to facilitate users in submitting their

complaints. With this website, users can easily identify the category of

their complaints and obtain solutions more quickly.

Keywords: MIUI, Cross Validation, SVM, Classification Algorithm