Analisis Komparatif dan Forecasting Musiman Pengaduan Publik serta Privasi pada Aplikasi Jakarta Kini Periode 2023 hingga 2026

Asylah Rivitri Lubis, Naila (2026) Analisis Komparatif dan Forecasting Musiman Pengaduan Publik serta Privasi pada Aplikasi Jakarta Kini Periode 2023 hingga 2026. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (971kB)
	PDF BAB_I.pdf Download (298kB)
	PDF BAB_II.pdf Download (376kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (481kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (265kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (278kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (8MB)
	Archive (ZIP) 00000082479_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Perkembangan transformasi digital di sektor pelayanan publik mendorong Pemerintah Provinsi DKI Jakarta mengembangkan aplikasi Jakarta Kini (JAKI) sebagai platform terintegrasi untuk mengelola pengaduan masyarakat melalui sistem Cepat Respon Masyarakat (CRM). Penelitian ini bertujuan menganalisis karakteristik data pengaduan publik dan privasi serta membandingkan performa model FB Prophet dan SARIMA dalam memprediksi volume pengaduan. Data yang digunakan berjumlah 576.795 laporan pengaduan selama periode Januari 2023 hingga Januari 2026 yang terdiri atas 207.291 laporan publik dan 369.504 laporan privasi. Penelitian menggunakan kerangka kerja CRISP-DM dengan empat tahapan analisis utama, yaitu Statistik Deskriptif, STL Decomposition, FB Prophet, dan SARIMA. Hasil analisis menunjukkan bahwa segmen publik memiliki kecenderungan tren yang menurun, sedangkan segmen privasi menunjukkan tren peningkatan yang konsisten selama periode pengamatan. Dekomposisi STL mengidentifikasi adanya pola musiman pada kedua segmen, sehingga mendukung penggunaan model peramalan yang mampu mengakomodasi komponen tren dan musiman. Berdasarkan hasil evaluasi menggunakan metrik MAPE, MAE, dan RMSE, model FB Prophet menghasilkan tingkat kesalahan prediksi yang lebih rendah dibandingkan SARIMA, dengan nilai MAPE sebesar 6,9% pada segmen publik dan 7,0% pada segmen privasi, sehingga termasuk dalam kategori "Sangat Baik". Temuan penelitian menunjukkan bahwa FB Prophet merupakan model yang lebih sesuai untuk memprediksi volume pengaduan pada sistem JAKI serta dapat dimanfaatkan sebagai dasar dalam mendukung perencanaan kapasitas layanan pengaduan yang lebih adaptif, responsif, dan berbasis data.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Asylah Rivitri Lubis, Naila (00000082479)
Contributors:	Sunardi Oetama, Raymond
Keywords:	CRISP-DM, FB Prophet, JAKI, Pengaduan Masyarakat, SARIMA, Statistik Deskriptif, STL Decomposition
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	16 Jul 2026 07:59
URI:	https://kc.umn.ac.id/id/eprint/47611

Actions (login required)

View Item