SEMINAR IDSEMINAR ID

Journal of Computer System and Informatics (JoSYC)Journal of Computer System and Informatics (JoSYC)

Penelitian ini bertujuan untuk mengklasifikasikan sentimen publik terkait isu perubahan iklim dan pariwisata. Masalah penelitian yang diatasi dalam studi ini berkaitan dengan klasifikasi sentimen publik mengenai perubahan iklim dalam sektor pariwisata. Secara khusus, penelitian ini bertujuan untuk mengeksplorasi dan mengklasifikasikan sentimen publik mengenai dampak perubahan iklim terhadap kegiatan pariwisata. Metodologi yang digunakan adalah CRISP-DM, yang mencakup tahapan pemahaman bisnis, pemahaman data, pemodelan, evaluasi, dan penerapan. Secara khusus, algoritma SVM dan SMOTE digunakan dalam tahap pemodelan untuk mencapai hasil yang optimal. Dengan memanfaatkan pendekatan sistematis dan algoritma canggih ini, penelitian ini berupaya untuk menganalisis secara komprehensif sentimen publik terhadap perubahan iklim dalam konteks pariwisata, sehingga memberikan wawasan berharga bagi akademisi dan praktisi industri. Penerapan metodologi CRISP-DM yang dipadukan dengan algoritma SVM dan SMOTE meningkatkan ketelitian dan efektivitas analisis sentimen dalam mengatasi kompleksitas wacana perubahan iklim di sektor pariwisata.

Berdasarkan hasil penelitian, dapat disimpulkan bahwa algoritma SVM dan SMOTE menghasilkan hasil yang menjanjikan dalam klasifikasi sentimen, dengan akurasi sebesar 86,15% /- 1,68% (micro average.86,15%), presisi sebesar 85,17% /- 2,16% (micro average.Positif), recall sebesar 87,64% /- 3,39% (micro average.Positif), f_measure sebesar 86,34% /- 1,79% (micro average.Positif), dan AUC sebesar 0,923 /- 0,012 (micro average.Metrik-metrik ini mengindikasikan efektivitas dan keandalan algoritma SVM dan SMOTE dalam mengklasifikasikan sentimen terhadap perubahan iklim dalam konteks pariwisata.Tingginya akurasi, presisi, recall, f_measure, dan AUC menunjukkan bahwa model yang dihasilkan oleh algoritma ini kuat dan mampu menangkap pola sentimen yang bernuansa, sehingga berkontribusi pada kemajuan teknik analisis sentimen dalam penelitian perubahan iklim di domain pariwisata.

Berdasarkan temuan penelitian ini, beberapa saran penelitian lanjutan dapat diajukan untuk memperdalam pemahaman mengenai sentimen publik terhadap perubahan iklim dalam konteks pariwisata. Pertama, penelitian selanjutnya dapat mengeksplorasi perbandingan kinerja berbagai algoritma klasifikasi sentimen, seperti Naive Bayes, Decision Trees, dan Neural Networks, untuk mengidentifikasi algoritma yang paling efektif dalam menganalisis sentimen terkait perubahan iklim dan pariwisata. Kedua, penelitian dapat difokuskan pada pengembangan model klasifikasi sentimen yang mampu mempertimbangkan konteks dan nuansa bahasa yang lebih kompleks, seperti sarkasme dan ironi, untuk meningkatkan akurasi analisis. Ketiga, penelitian dapat menginvestigasi pengaruh faktor-faktor demografis dan psikografis terhadap sentimen publik terhadap perubahan iklim dan pariwisata, dengan tujuan untuk merancang strategi komunikasi yang lebih efektif dan personal. Dengan menggabungkan ketiga saran penelitian ini, diharapkan dapat diperoleh pemahaman yang lebih komprehensif mengenai sentimen publik terhadap perubahan iklim dalam konteks pariwisata, sehingga dapat memberikan kontribusi signifikan bagi pengembangan strategi mitigasi dan adaptasi yang lebih efektif.

  1. Analisis Sentimen Wisatawan terhadap Taman Nasional Bunaken dan Top 10 Hotel Rekomendasi Tripadvisor... doi.org/10.47065/josyc.v4i2.3092Analisis Sentimen Wisatawan terhadap Taman Nasional Bunaken dan Top 10 Hotel Rekomendasi Tripadvisor doi 10 47065 josyc v4i2 3092
  2. Analisis Performa Algoritma NBC, DT, SVM dalam Klasifikasi Data Ulasan Pengunjung Candi Borobudur Berbasis... doi.org/10.47065/bits.v4i3.2766Analisis Performa Algoritma NBC DT SVM dalam Klasifikasi Data Ulasan Pengunjung Candi Borobudur Berbasis doi 10 47065 bits v4i3 2766
  3. Is snowmaking climate change maladaptation?: Journal of Sustainable Tourism: Vol 32 , No 2 - Get Access.... doi.org/10.1080/09669582.2022.2137729Is snowmaking climate change maladaptation Journal of Sustainable Tourism Vol 32 No 2 Get Access doi 10 1080 09669582 2022 2137729
  4. Small island developing states, tourism and climate change: Journal of Sustainable Tourism: Vol 32 ,... doi.org/10.1080/09669582.2022.2112203Small island developing states tourism and climate change Journal of Sustainable Tourism Vol 32 doi 10 1080 09669582 2022 2112203
  1. #naive bayes#naive bayes
  2. #support vector machine#support vector machine
Read online
File size1.42 MB
Pages11
Short Linkhttps://juris.id/p-2Rj
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test