Digitalisasi Layanan Pengaduan Pelanggan melalui Sistem Informasi Berbasis Web pada PERUMDA Air Minum Tirta Jaya Mandiri Kabupaten Sukabumi

Bilqis Zahra; Kamdan Kamdan; Ivana Lucia Kharisma

doi:10.58266/jpmb.v4i4.1587

Authors

Bilqis Zahra Universitas Nusa Putra, Indonesia
Kamdan Kamdan Universitas Nusa Putra, Indonesia
Ivana Lucia Kharisma Universitas Nusa Putra, Indonesia

DOI:

https://doi.org/10.58266/jpmb.v4i4.1587

Keywords:

Digitalisasi Pengaduan, Sistem Informasi PDAM, Klasterisasi Otomatis, Peramalan Machine Learning, Integrasi Basis Data

Abstract

Perumda Air Minum Tirta Jaya Mandiri Kabupaten Sukabumi menghadapi persoalan pengelolaan pengaduan pelanggan yang masih dilakukan manual dan tersebar di 21 cabang tanpa basis data terpusat, sehingga manajemen pusat tidak memiliki visibilitas real-time dan pelanggan tidak memiliki kanal digital untuk menyampaikan keluhan. Kegiatan pengabdian ini bertujuan membangun portal pengaduan publik berbasis web dan dashboard administrasi terintegrasi dengan kontrol akses berbasis peran, dilengkapi modul klasterisasi otomatis dan modul peramalan tagihan bulanan berbasis machine learning. Metode yang digunakan meliputi empat tahap, yaitu analisis kebutuhan, perancangan sistem, pengembangan modul berupa portal berbasis Flask, dashboard berbasis Streamlit, dan modul analitik lanjutan, serta tahap integrasi, pengujian, dan deployment sistem. Kegiatan ini menghasilkan dua sistem yang terintegrasi melalui satu basis data bersama sehingga pengaduan pelanggan tersinkronisasi secara real-time tanpa entri ulang data, klasifikasi pengaduan menjadi konsisten antarcabang, serta modul peramalan tagihan menunjukkan bahwa algoritma XGBoost memberikan performa prediksi terbaik dibandingkan tiga algoritma pembanding lainnya. Integrasi ini terbukti mempercepat alur informasi, meningkatkan transparansi penanganan pengaduan, dan memberikan manajemen pusat visibilitas agregat atas kinerja seluruh cabang.

References

Almuqsitu, A. B., Tursina, T., & Sukamto, A. S. (2019). Rancang bangun aplikasi pelayanan pelanggan PDAM Tirta Kapuas berbasis web. Jurnal Sistem dan Teknologi Informasi (JUSTIN), 7(1), 13–19.

Alshboul, O., Shehadeh, A., Almasabha, G., & Almuflih, A. S. (2022). Extreme Gradient Boosting-Based Machine Learning Approach for Green Building Cost Prediction. Sustainability (Switzerland), 14(11). https://doi.org/10.3390/su14116651

Andika, S. D., Rifanda, D., & Fadillah, N. (2021). Pengaduan masyarakat berbasis android (Studi kasus Perusahaan Daerah Air Minum (PDAM) Kota Langsa). J-ICOM: Jurnal Informatika dan Teknologi Komputer, 2(1), 36–43.

Arifin, N., Enri, U., & Sulistiyowati, N. (2021). Penerapan algoritma Support Vector Machine (SVM) dengan TF-IDF N-Gram untuk text classification. STRING (Satuan Tulisan Riset dan Inovasi Teknologi), 6(2), 129–136. https://doi.org/10.30998/string.v6i2.10133

Arumnisa, R. I., & Wijayanto, A. W. (2023). Perbandingan metode ensemble learning: Random Forest, SVM, AdaBoost pada klasifikasi Indeks Pembangunan Manusia (IPM). Sistemasi, 12(1), 206–218.

Erkamim, M., Suswadi, S., Subarkah, M. Z., & Widarti, E. (2023). Komparasi algoritme Random Forest dan XGBoosting dalam klasifikasi performa UMKM. Jurnal Sistem Informasi Bisnis, 13(2), 127–134.

Hidayat, M. T., & Sulistiyono, M. (2025). Analisis performa algoritma XGBoost, GRU, dan Prophet dalam peramalan penjualan obat untuk optimasi rantai pasok farmasi. Jurnal Pendidikan dan Teknologi Indonesia, 5(1), 65–73. https://doi.org/10.52436/1.jpti.562

Hutauruk, W. I. P., Nur, A., & Furqan, M. (2023). Evaluasi efektivitas sistem informasi pengaduan pelanggan PDAM Tirtanadi Cabang Medan Kota berbasis web. Journal of Informatics and Business, 1(3), 124–131. https://doi.org/10.47233/JIBS.V1I3.383

Illaihiyah, R., Abdurrahman, G., & Daryanto, D. (2026). Implementasi algoritma XGBoost classifier untuk klasifikasi kerumunan jemaah haji dan umrah. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 6(1), 106–115. https://doi.org/10.57152/malcom.v6i1.2245

Luthfiana, M. F., Supriadi, F., & Setiadi, D. (2026). Penerapan model Long Short-Term Memory (LSTM) dalam prediksi pendapatan dan stok berbasis deret waktu pada UMKM. Journal Software, Hardware and Information Technology (SHIFT), 6(1), 48–62. https://doi.org/10.24252/shift.v6i1.234

Mulyani, S., & Purnama, B. E. (2018). Pengembangan sistem informasi monitoring berbasis web untuk meningkatkan pengawasan data. Jurnal Teknologi Informasi dan Ilmu Komputer, 5(3), 327–334. https://doi.org/10.25126/jtiik.201853657

Nasich, A. K., Wicaksono, S. A., & Saputra, M. C. (2025). Implementasi Role Based Access Control (RBAC) dalam sistem informasi manajemen pelanggan dan pembayaran air berbasis web (Studi pada PT Tirta Wangi Sejahtera). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 9(9).

Prasanti, A. A., Fauzi, M. A., & Furqon, M. T. (2018). Klasifikasi teks pengaduan pada Sambat Online menggunakan metode N-Gram dan Neighbor Weighted K-Nearest Neighbor (NW-KNN). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(2), 594–601.

Prasetia, Y. A., & Manongga, D. (2024). Role-based access control (RBAC) untuk sistem otorisasi terpusat berbasis Flask: Studi kasus PT. XYZ. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 9(4), 1768–1778.

Prasojo, B., & Haryatmi, E. (2021). Analisa prediksi kelayakan pemberian kredit pinjaman dengan metode Random Forest. Jurnal Nasional Teknologi dan Sistem Informasi, 7(2), 79–89. https://doi.org/10.25077/teknosi.v7i2.2021.79-89

Pratama, Y. S. P., Wijiyanto, & Srirahayu, A. (2024). Rancang bangun sistem loket antrian pelanggan di PT Lingkar Kabel Telekomunikasi. Journal of Information System Management (JOISM), 6(1).

Rahman, O., Abdillah, G., & Komarudin, A. (2021). Klasifikasi ujaran kebencian pada media sosial Twitter menggunakan Support Vector Machine. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(1), 17–23. https://doi.org/10.29207/resti.v5i1.2700

Riadi, I., Umar, R., & Aini, F. D. (2019). Analisis perbandingan detection traffic anomaly dengan metode Naive Bayes dan Support Vector Machine (SVM). ILKOM Jurnal Ilmiah, 11(1), 17–24. https://doi.org/10.33096/ilkom.v11i1.361.17-24

Sautomo, S., & Pardede, H. F. (2021). Prediksi belanja pemerintah Indonesia menggunakan Long Short-Term Memory (LSTM). Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(1), 99–106. https://doi.org/10.29207/resti.v5i1.2815

Tanjung, I., & Jaya, I. D. (2026). Rancang bangun aplikasi pengelolaan pengaduan pelanggan berbasis website pada PLN Unit Layanan Pelanggan (ULP) Ampera. Jurnal Ilmiah Multidisiplin Ilmu (JIMI), 3(3), 46–53. https://doi.org/10.69714/mqc5q344

Tantyoko, H., Sari, D. K., & Wijaya, A. R. (2023). Prediksi potensial gempa bumi Indonesia menggunakan metode Random Forest dan feature selection. IDEALIS: Indonesian Journal Information System, 6(2), 83–89. https://doi.org/10.36080/idealis.v6i2.3036

Triebe, O., Hewamalage, H., Pilyugina, P., Laptev, N., Bergmeir, C., & Rajagopal, R. (2021). NeuralProphet: Explainable Forecasting at Scale. http://arxiv.org/abs/2111.15397