Abstract
Layanan E-Complaint merupakan fasilitas kampus yang berfungsi penting untuk mendapatkan feedback berupa keluhan yang berhubungan dengan kampus. E-Complaint merupakan sarana yang baik untuk mengukur tingkat pelayanan yang diberikan kampus. Pengukuran tingkat pelayanan tersebut dipengaruhi oleh dokumen-dokumen keluhan yang ada dalam E-Complaint. Melalui dokumen E-Complaint dapat diketahui saran atau kritik apa saja yang perlu ditindaklanjuti sesegera mungkin karena sifatnya yang mendesak dan penting. Pengambilan tindak lanjut yang segera oleh pihak kampus tentu akan mendukung pelayanan prima yang dilakukan kampus. Kenyataannya lembaga E-Complaint seringkali terlambat dalam menangani keluhan yang mendesak dan penting. Hal ini dapat dikarenakan lembaga E-Complaint tidak memilah dokumen berdasarkan kepentingan dan urgensinya. Karena itu perlu dibuat sebuah sistem cerdas yang dapat mengklasifikasikan dokumen secara cepat berdasarkan urgensi dan kepentingannya. Dokumen dapat diklasifikasikan menjadi empat kelas, yaitu penting dan mendesak, penting tetapi tidak mendesak, tidak penting tetapi mendesak, atau tidak penting dan tidak mendesak. Metode Directed Acyclic Graph SVM (DAGSVM) digunakan untuk mengklasifikasikan data secara multiclass (lebih dari dua kelas). Pada penelitian ini akurasi terbaik yang dihasilkan menggunakan DAGSVM adalah 82,61% dengan kombinasi nilai parameter Sequential Training SVM λ = 0.5, konstanta γ = 0.01, C = 1, IterMax = 10, dan ε = 0.00001 dengan menggunakan kernel Gaussian RBF dan stemming pada dalam 70% data latih.