Bab ini menguraikan rancangan pembangunan sistem untuk menentukan tingkat prioritas insiden secara otomatis. Prosesnya dimulai dengan memanfaatkan deskripsi tekstual insiden sebagai atribut utama, yang kemudian melalui tahap prapemrosesan teks seperti *case folding*, tokenisasi, *filtering*, dan *stemming*, diikuti dengan ekstraksi fitur menggunakan TF-IDF. Untuk mengatasi ketidakseimbangan dataset di mana insiden prioritas rendah lebih banyak, teknik *oversampling* diterapkan. Penentuan tingkat urgensi, dampak, dan prioritas insiden dilakukan menggunakan metode *supervised learning* seperti SVM, DT, dan NB, didukung validasi silang dan optimasi *hyperparameter*. Sistem ini juga dilengkapi dengan mekanisme umpan balik pengguna untuk revisi hasil dan pembelajaran berkelanjutan. Terakhir, kinerja sistem akan diukur berdasarkan kecepatan, konsistensi, dan tingkat pembelajaran, dengan membandingkannya terhadap kinerja manual melalui serangkaian pengujian terstruktur.