IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DALAM KLASIFIKASI KELUHAN PELANGGAN (Studi Kasus : UPT Puskesmas Benjeng)

Puskesmas merupakan fasilitas pelayanan kesehatan tingkat pertama milik pemerintah dalam meningkatkan kualitas kesehatan pada masyarakat. Guna mempertahankan mutu pelayanan, puskesmas benjeng membutuhkan orientasi kepuasan pelanggan. Kepuasan pelanggan seringkali di sampaikan berupa keluhan dari masyarakat atau pelanggan dalam bentuk opini terhadap mutu kinerja maupun pelayanan fasilitas. Dalam pengelolaannya, tim keluhan pelanggan mengklasifikasikan kedalam 3 jenis keluhan yakni pelayanan, petugas, dan sarana prasarana. Dengan beragamnya keluhan yang masuk, pengelolaan klasifikasi keluhan masih dilakukan secara manual oleh tim keluhan pelanggan, hal ini menyebabkan penanganan keluhan tidak segera di tindaklanjuti, hingga perbaikan kualitas pelayanan semakin lama. Oleh karena itu, puskesmas benjeng perlu teknik klasifikasi otomatis agar keluhan segera mendapatkan penanganan yang sesuai. Pada penelitian ini, algoritma K-Nearest Neighbor dengan metode text mining merupakan solusi yang sesuai dalam melakukan proses klasifikasi keluhan pelanggan. Dengan menggunakan data keluhan yang akan melalui tahap preprocessing dan pembobotan kata dengan metode tf-idf, kemudian di klasifikasi menggunakan KNN. Hasil evaluasi dari model K-Nearest Neighbor menghasilkan nilai akurasi 80%, presisi 83%, dan recall 73% dengan nilai k 8. Hal ini menunjukkan bahwa algoritma K-Nearest Neighbors cukup baik dalam melakukan klasifikasi teks.