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

COMPARISON OF TEXT MINING IMPLEMENTATION ON THE WARGAKU SURABAYA APPLICATION FOR PUBLIC COMPLAINTS AGAINST THE SURABAYA CITY CIVIL SERVICE POLICE UNIT (SATPOL PP) USING K-MEANS CLUSTERING AND FUZZY C-MEANS CLUSTERING ALGORITHMS

Di era digital, teknologi memegang peran penting dalam mendukung interaksi antara pemerintah dan masyarakat, salah satunya melalui layanan pengaduan publik. Aplikasi WargaKu Surabaya merupakan inovasi Pemerintah Kota Surabaya sebagai media pengaduan warga. Aplikasi ini mempermudah masyarakat dalam menyampaikan aduan, kritik, maupun saran kepada pemerintah. Salah satu instansi yang menerima laporan melalui aplikasi ini adalah Satpol PP Kota Surabaya. Laporan yang masuk melalui aplikasi WargaKu Surabaya khususnya kepada Satpol PP Kota Surabaya sangat banyak dan beragam. Data ini sering kali berbentuk teks tidak terstruktur. Beberapa tantangan utama dalam pengelolaan pengaduan masyarakat antara lain banyaknya aduan yang disampaikan oleh masyarakat seringkali berisi topik yang sama dan aduan yang sama dilakukan berulang-ulang karena belum adanya solusi terhadap aduan yang mereka sampaikan. Keadaan ini menunjukkan bahwa banyaknya aduan masyarakat yang tidak tertangani dengan optimal oleh Satpol PP Kota Surabaya sehingga sehingga perlu dilakukan pengelolaan aduan. Tujuan dari penelitian ini adalah untuk membandingkan performa algoritma K-Means dan Fuzzy C-Means dalam mengelompokkan aduan, sehingga dapat digunakan dalam prioritisasi masalah yang memungkinkan pemerintah untuk mengidentifikasi isu-isu yang paling sering dilaporkan dan yang memerlukan perhatian segera. Dataset yang digunakan dalam penelitian ini dikumpulkan dengan menggunakan metode pengumpulan data sekunder yang diperoleh dari dokumentasi aduan masyarakat yang disampaikan melalui aplikasi WargaKu Surabaya, yang secara khusus ditujukan kepada Dinas Satuan Polisi Pamong Praja (Satpol PP) Kota Surabaya. Data tersebut diperoleh dalam bentuk file Excel yang berisi 500 data keluhan masyarakat selama periode Januari 2023 hingga April 2024. Penelitian menunjukkan bahwa algoritma K-Means mampu mengelompokkan data aduan masyarakat terhadap Satpol PP Kota Surabaya dengan lebih baik. K-Means unggul dalam kecepatan dan kejelasan pemisahan klaster, serta menghasilkan nilai Silhouette lebih tinggi yaitu 0.5048 dibanding Fuzzy C-Means 0.5000. Sedangkan, Fuzzy C-Means lebih sensitif terhadap outlier. Hasil clustering dan word cloud dari kedua algoritma berhasil mengungkap tema-tema utama aduan, pada algoritma K-Means Clustering klaster 1 berisi aduan mengenai aktivitas PKL atau perdagangan, klaster 2 gangguan suara dan prostitusi, klaster 3 aktivitas PKL di kutisari, dan klaster 4 mengenai jalan. Sedangkan pada Fuzzy C-Means clustering klaster 1 berisi aduan mengenai gangguan di ruang publik oleh PKL dan parkir liar, klaster 2 mengenai pasar dan gangguan akses jalan, klaster 3 PKL, dan klaster 4 gangguan suara dan prostitusi di kembang kuning.

In the digital era, technology plays a crucial role in supporting interactions between the government and the public, one of which is through public complaint services. WargaKu Surabaya application is an innovation by the Surabaya City Government that serves as a platform for citizens to submit complaints. This application facilitates the public in conveying complaints, criticisms, or suggestions to the government. One of the agencies that receives reports through this application is Satpol PP. The reports received via WargaKu Surabaya, particularly those addressed to Satpol PP, are numerous and varied. These reports are often in the form of unstructured text data. One of the main challenges in managing public complaints is the frequent repetition of similar or identical issues due to unresolved matters. This indicates that many of the complaints are not being handled optimally by Satpol PP Surabaya, highlighting the need for better complaint management. The objective of this study is to compare the performance of the K-Means and Fuzzy C-Means clustering algorithms in grouping public complaints, enabling the government to prioritize issues based on frequency and urgency. The dataset used in this study was collected through secondary data methods obtained from documented complaints submitted via WargaKu Surabaya application, specifically addressed to the Satpol PP Surabaya. The data was obtained in the form of an Excel file containing 500 complaint entries from January 2023 to April 2024. The study shows that the K-Means algorithm is more effective in clustering public complaints against Satpol PP Surabaya. K-Means excels in processing speed and cluster separation clarity, achieving a higher Silhouette score of 0.5048 compared to Fuzzy C-Means score of 0.5000. On the other hand, Fuzzy C-Means is more sensitive to outliers. The clustering results and word cloud visualizations from both algorithms successfully revealed key complaint themes. In K-Means clustering, Cluster 1 includes complaints about street vendors or trading activities, Cluster 2 includes noise disturbances and prostitution, Cluster 3 focuses on street vendors activity in Kutisari, and Cluster 4 relates to roads. In contrast, Fuzzy C-Means Clustering shows Cluster 1 contains complaints about public space disturbances caused by street vendors and illegal parking, Cluster 2 involves markets and road access issues, Cluster 3 concerns street vendors, and Cluster 4 highlights noise disturbances and prostitution in the Kembang Kuning area.