KLASIFIKASI SURAT DINAS BERBASIS TEXT MINING MENGGUNAKAN TF-IDF DAN SUPPORT VECTOR MACHINE

Abstract

Pengelolaan surat dinas pada instansi pemerintahan memerlukan proses klasifikasi yang tepat untuk mendukung efektivitas administrasi dan pengarsipan dokumen. Namun, proses klasifikasi surat yang masih dilakukan secara manual sering menimbulkan ketidakkonsistenan, keterlambatan pencarian arsip, dan tingginya potensi kesalahan pengelompokan dokumen. Penelitian ini bertujuan menerapkan metode TF-IDF dan Support Vector Machine (SVM) untuk mengklasifikasikan surat dinas berdasarkan teks pada bagian perihal surat. Dataset penelitian berasal dari 2.155 dokumen surat dinas Sekretariat Dinas Komunikasi dan Informatika Kabupaten Sragen yang dikumpulkan dari periode Januari hingga Desember 2025. Setelah melalui proses preprocessing dan seleksi data, diperoleh 188 dokumen valid yang dikelompokkan ke dalam 15 kategori surat. Tahapan penelitian meliputi preprocessing teks berupa case folding, tokenizing, stopword removal, dan stemming, kemudian dilanjutkan dengan pembobotan TF-IDF berbasis n-gram (1,2) serta klasifikasi menggunakan algoritma SVM kernel Radial Basis Function (RBF). Evaluasi model dilakukan menggunakan pembagian data 80:20 dan 10-fold cross-validation dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model memperoleh akurasi sebesar 76,32% pada skenario 80:20 dan rata-rata 72,98% pada 10-fold cross-validation. Hasil tersebut menunjukkan bahwa metode TF-IDF dan SVM mampu digunakan untuk klasifikasi surat dinas secara cukup baik.