<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="18649">
<titleInfo>
<title>SKEMA MAGANG :</title>
<subTitle>SISTEM KLASIFIKASI PENGADUAN MASYARAKAT MENGGUNAKAN NAIVE BAYES PADA WEBSITE KLINIK PERUMAHAN  DAN  
KAWASAN  PERMUKIMAN  JAWA III</subTitle>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Bagas Triaji, S.Kom., M.Kom</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>WIGENTA, WILDAN - 235410075</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Yogyakarta</placeTerm></place>
<publisher>UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)</publisher>
<dateIssued>2026</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text Skripsi</form>
<extent>121 Informatika 2026</extent>
</physicalDescription>
<note>Balai Pelaksana Penyediaan Perumahan dan Kawasan Permukiman (BP3KP) Jawa III menghadapi kendala 
dalam pengolahan data pengaduan masyarakat yang masih bersifat tidak terstruktur, di mana pengaduan 
masuk secara informal melalui WhatsApp dan dikelompokkan secara manual. Penelitian ini berfokus 
pada pengembangan dan penerapan algoritma Naive Bayes berbasis Natural Language Processing (NLP) 
untuk mengklasifikasikan deskripsi teks pengaduan masyarakat secara otomatis ke dalam kategori yang 
tepat pada sistem informasi berbasis web.
Pengembangan model klasifikasi Naive Bayes dibangun menggunakan pustaka natural (BayesClassifier ) 
pada runtime Node.js. Model dilatih ( training) memanfaatkan dataset berupa 160 sampel data teks 
pengaduan yang terdistribusi secara seimbang ke dalam empat kategori utama, yaitu Bantuan, 
Perizinan, Konstruksi, dan Administrasi. Untuk meningkatkan presisi klasifikasi dan meminimalkan 
kesalahan (misclassification ),  dikembangkan  pula  mekanisme guard rules, meliputi aturan panjang 
teks minimal (minimal 3 kata) serta penetapan batas ambang tingkat keyakinan (confidence threshold) 
 sebesar  40%.  Jika  kalkulasi nilai probabilitas posterior dari algoritma berada di bawah ambang 
batas tersebut, sistem secara otomatis mengategorikan laporan sebagai &#34;tidak terklasifikasi&#34;.
Hasil pengujian menunjukkan bahwa penerapan algoritma Naive Bayes yang diintegrasikan ke dalam 
RESTful API backend berhasil mengekstrak fitur teks dan menentukan probabilitas kategori pengaduan 
secara akurat dan responsif. Pengembangan model ini terbukti meningkatkan efisiensi proses 
pemilahan laporan, meminimalkan pemrosesan manual oleh administrator, serta mendukung otomatisasi 
tata kelola pelayanan publik di lingkungan BP3KP Jawa III.

Kata kunci: BayesClassifier, Confidence Threshold, Klasifikasi Teks, Naive Bayes, Pengaduan Masyarakat, Text Mining.</note>
<subject authority=""><topic>Website</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia</physicalLocation>
<shelfLocator>121WIG S R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">WIG0112IF2026</numerationAndChronology>
<sublocation>Rak Referensi  Skripsi Informatika</sublocation>
<shelfLocator>121WIG S R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>18649</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2026-10-28 09:34:50</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2026-10-28 09:35:38</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>