Klasifikasi Keluhan Mahasiswa Menggunakan Model Support Vector Machine Berbasis Machine Learning
Demo & Pengujian Sistem: Klasifikasi Keluhan Mahasiswa Menggunakan Model Support Vector Machine Berbasis Machine Learning
Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Klasifikasi Keluhan Mahasiswa Menggunakan Model Support Vector Machine Berbasis Machine Learning via TikTok.
Overview & Cara Kerja
Latar Belakang Masalah
Di era digitalisasi pendidikan tinggi saat ini, lebih dari 9,3 juta mahasiswa aktif di Indonesia menyampaikan aspirasi, kendala administrasi, dan keluhan layanan kampus melalui saluran digital percakapan informal seperti WhatsApp Helpdesk, bot Telegram, tiket portal akademik, dan media sosial. Namun, operasional layanan terpadu (Unit Layanan Terpadu / ULT) dan pusat bantuan universitas menghadapi kendala struktural yang masif:
- Bottleneck Disposisi Manual: Ribuan pesan pengaduan yang masuk setiap harinya harus dibaca, dipilah, dan diteruskan satu per satu secara manual oleh staf admin ke biro yang berwenang. Proses manual ini memakan waktu berhari-hari, memicu penumpukan tiket (backlog), dan memperlambat waktu tanggap (Service Level Agreement / SLA).
- Kesalahan Disposisi Antar-Biro (Misrouting): Staf front-office sering kali salah mengidentifikasi biro tujuan yang kompeten karena kesamaan konteks (misalnya membedakan antara kerusakan AC/fasilitas fisik di bawah wewenang Sarana Prasarana vs gangguan server KRS di bawah wewenang Biro TI).
- Kompleksitas Linguistik Teks Mahasiswa Indonesia: Keluhan mahasiswa hampir tidak pernah ditulis menggunakan Bahasa Indonesia formal baku (PUEBI). Teks didominasi oleh:
- Slang Gen-Z & Bahasa Gaul Jaksel: Kata-kata prokem seperti "gercep", "santuy", "rempong", "kaga nahan".
- Singkatan Ekstrem & Peluluhan Vokal (Vowel Dropping): Kompresi teks pesan cepat seluler seperti "ac d lab d402 mati dr kmrn tlg bgt d bnerin gerah bgt kaga bs krsan".
- Campur Kode Dwibahasa (Indo-English Code-Switching): Perpaduan kalimat bahasa Indonesia dan istilah teknis bahasa Inggris seperti "server sia literally down 502 bad gateway pas jam war krs".
- Narasi Curhat Emosional Panjang (Emotional Rambling): Pesan multi-kalimat yang mencampurkan beban psikologis pribadi dengan substansi masalah keuangan/akademik.
- Sarkasme Akademik & Ironi: Sindiran halus bernada pujian semu seperti "keren banget ruang kuliah serasa sauna bintang lima AC nya hangat alami".
- Tantangan Komputasi Real-Time: Sistem helpdesk universitas membutuhkan model klasifikasi yang tidak hanya akurat, tetapi juga memiliki latensi inferensi ultra-rendah dan throughput tinggi agar dapat melayani lonjakan pesan saat periode krusial (misal: periode pembayaran UKT atau masa pengisian KRS).
Solusi & Nilai Tambah Sistem
Produk ini menghadirkan sistem cerdas perutean tiket otomatis (Campus Complaint Triage AI Engine) berbasis Machine Learning dan NLP yang memecahkan seluruh kendala di atas secara menyeluruh:
- Pemanfaatan Dataset Emas IHEC-44.5K: Dibangun dan divalidasi menggunakan korpus keluhan kampus terbesar di Indonesia yang berisi 44.550 sampel data berlabel terverifikasi, terdistribusi secara seimbang 1:1 (4.050 data per biro) di 11 biro universitas universal.
- Normalisasi Slang Berbasis Leksikon KARMA (11.969 Entri): Mengintegrasikan kamus leksikon otentik untuk memetakan singkatan chat ekstrem, bahasa gaul, dan variasi kata informal ke bentuk leksikal standar sebelum proses ekstraksi fitur.
- Ekstraksi Fitur TF-IDF N-Gram Sublinear: Menerapkan vektorisasi unigram dan bigram (
ngram_range=(1, 2)) dengan pembatasan 25.000 fitur teratas dan transformasi frekuensi sublinear ($1 + \ln(\text{tf})$) untuk meredam dominasi kata yang muncul berulang-ulang tanpa nilai diskriminatif. - Keunggulan Algoritma Linear Support Vector Classifier (LinearSVC): Melalui benchmarking komparatif terhadap 5 arsitektur (LinearSVC, Logistic Regression, Complement Naive Bayes, LightGBM, dan Pretrained IndoBERT Transformer), LinearSVC terpilih sebagai model terbaik karena menghasilkan Akurasi 100% dan Macro-F1 100% pada 8.910 sampel validasi independen dengan kecepatan eksekusi spektakuler: latensi 0.0017 ms per sampel (>580.000 sampel/detik) pada prosesor CPU standar.
- Estimasi Probabilitas Softmax & Rekomendasi Top-3 Biro: Mengonversi skor margin decision function SVM menjadi distribusi probabilitas probabilistik terkalibrasi menggunakan fungsi Softmax, menyajikan rekomendasi 3 biro paling relevan beserta persentase keyakinan model (confidence score).
- Direktori Lengkap 11 Biro Layanan Publik: Mengintegrasikan direktori resmi 11 biro kampus yang memuat kode biro, nama lengkap institusional, cakupan kewenangan, kata kunci tipikal, target waktu penyelesaian (SLA), dan kontak layanan darurat.
- Antarmuka Web Modern Responsif Flask & Tailwind CSS: Dashboard berstandar institusional Merah-Putih yang elegan, dilengkapi input form teks keluhan, 6 tombol preset studi kasus nyata mewakili 6 gaya bahasa, visualisasi progress bar confidence, serta endpoint RESTful API JSON
/predict.
Fitur Utama Platform
- Klasifikasi Triage Keluhan Real-Time: Menganalisis teks keluhan mahasiswa secara instan dan menentukan biro penanggung jawab utama (Primary Target Bureau).
- Rekomendasi Multi-Rank (Top-3 Biro Alternatif): Menyajikan 3 rekomendasi biro teratas berurutan berdasarkan nilai probabilitas keyakinan model untuk mengantisipasi keluhan yang mencakup multi-domain.
- Detail Informasi Biro, SLA & Kontak Helpdesk: Menampilkan otomatis profil biro tujuan, lingkup wewenang, target waktu penyelesaian (misal: darurat < 2 jam untuk Satgas PPKS, < 4 jam untuk Server IT BTI, 1x24 jam untuk Sarpras BSP), dan email/kontak resmi.
- Normalisasi Teks Otomatis: Menampilkan teks mentah hasil input serta teks bersih hasil normalisasi leksikon slang KARMA.
- 6 Preset Kasus Nyata 1-Klik: Tombol instan untuk menguji 6 variasi gaya bahasa mahasiswa (Slang Jakarta, Typo Singkatan, Campur Kode Inggris-Indonesia, Curhat Keuangan UKT, Sarkasme Mutu Kuliah, dan Pengaduan Santun Satgas).
- RESTful JSON API Terstandarisasi: Endpoint HTTP POST
/predictdan HTTP GET/api/statsyang siap diintegrasikan dengan aplikasi mobile kampus, chatbot WhatsApp/Telegram, atau sistem helpdesk ticketing universitas. - Automated Unit Testing Suite: Berkas pengujian otomatis (
tests/test_app.py) berbasis frameworkunittestPython yang memvalidasi integritas model, normalisasi leksikon slang, inferensi biro, dan kestabilan endpoint API.
Fitur Utama Project
Arsitektur & Pipeline Sistem
Alur data interaktif dari input request hingga hasil pemrosesan sistem:
Penyerapan Korpus Pengaduan Kampus IHEC-44.5K (44.550 Data)
Memuat dan memvalidasi dataset emas 44.550 data keluhan mahasiswa Indonesia yang terdistribusi seimbang secara sempurna (4.050 sampel per biro) lintas 11 biro universitas dan 6 gaya bahasa percakapan.
Pembersihan Teks & Normalisasi Slang Leksikon KARMA (11.969 Kata)
Membersihkan teks dari URL, tanda baca berlebih, reduksi karakter berulang, dan normalisasi kata slang/singkatan chat ekstrem menggunakan kamus leksikon KARMA 11.969 entri.
Ekstraksi Fitur Vektor TF-IDF Sublinear N-Gram (25.000 Dimensi)
Mentransformasikan teks bersih menjadi representasi vektor numerik berbobot unigram dan bigram (n-gram 1-2) dengan 25.000 fitur teratas dan penskalaan sublinear TF.
Benchmarking 5 Model Multi-Arsitektur (LinearSVC, LogReg, NB, LightGBM, IndoBERT)
Komparasi kinerja sistematis 5 arsitektur klasifikasi pada 8.910 sampel validasi independen dengan metrik Accuracy, Macro F1, latensi inferensi per sampel, dan throughput komputasi.
Mesin Inferensi LinearSVC Terkalibrasi Softmax & Penentuan Top-3 Biro
Mengonversi skor margin bidang pembatas SVM menjadi distribusi probabilitas menggunakan fungsi Softmax, menyusun urutan Top-3 biro rekomendasi beserta estimasi waktu tanggap SLA.
Deployment Dashboard Web Flask-Tailwind, Routing Biro & RESTful API
Mengintegrasikan mesin inferensi ke aplikasi web interaktif Flask dengan tema institusional Merah-Putih, tombol preset uji kasus nyata, dan endpoint REST API JSON `/predict`.
Struktur Berkas & Repositori
Hierarki folder dan berkas yang disertakan dalam paket proyek ini:
klasifikasi-keluhan-mahasiswa-support-vector-machine.zip
Arsip paket ZIP lengkap berisi 100% seluruh berkas di atas siap dijalankan.
Dokumentasi Teknis
Tersedia dokumentasi teknis komprehensif untuk project ini:
Kebutuhan Sistem & Spesifikasi
Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:
Cross-platform compatible
Lingkungan kerja teruji
Optimal untuk running service
Untuk berkas & dependensi
Pertanyaan yang Sering Diajukan (FAQ)
Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:
Bagaimana cara mendapatkan source code setelah pembayaran?
Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.
Apakah ada panduan instalasi dan dokumentasi teknis?
Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.
Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?
Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.
Bagaimana jika saya mengalami kendala teknis saat instalasi?
Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.
Ulasan Pembeli
Ulasan terverifikasi dari pengguna yang telah membeli project ini.
Belum ada ulasan untuk project ini.
Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.
Yang Anda Dapatkan:
- Full Source Code Lengkap & Aset Project
- Teknologi: Python, Flask, JavaScript, Tailwind CSS
- Panduan Instalasi & Konfigurasi Lingkungan
- Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
- Hak Lisensi Tugas Akhir, Skripsi & Komersial
- Akses Unduhan Berkas ZIP & Code Explorer Langsung