Publisher

UNUSIDAUNUSIDA

Journal Journal of Computer Science and Visual Communication DesignJournal of Computer Science and Visual Communication Design Abstract

Sektor pariwisata di pulau Jawa mendominasi arus perjalanan domestik di Indonesia. Jawa Timur menyumbang angka tertinggi dengan 198,91 juta perjalanan. Namun, kondisi ini masih belum merata ke seluruh daerah. Berdasarkan data kunjungan wisatawan online (DAKUWISON) tercatat bahwa terjadi penurunan pengunjung wisata di Kabupaten Gresik pada tahun 2023. Hal ini tidak sesuai dengan kebijakan PPKM yang ditiadakan pada tahun sebelumnya. Penelitian ini bertujuan menganalisis sentimen ulasan menggunakan metode klasifikasi SVM-LDA untuk mengetahui persepsi mereka sebagai tambahan opini berbasis data bagi pengelola wisata. Support Vector Machine (SVM) sebagai metode Supervised Learning diterapkan dalam penelitian, selain itu peningkatan klasifikasi dengan menambahkan metode reduksi dimensi Linear Discriminant Analysis (LDA). Pengambilan data dari Google Maps dengan teknik web scrapping diperoleh 3460 ulasan. Hasil dari penelitian dari perbandingan evaluasi masing-masing model menunjukkan bahwa model SVM dengan LDA dapat mengungguli dari model SVM yang tidak menerapkan LDA. Nilai fI-score dari model SVM dengan LDA lebih tinggi di angka 66% dibandingkan dengan model SVM yang tidak menerapkan LDA dengan nilai fI-score 53%. Berdasarkan hasil klasifikasi sentimen pada data 2023 menunjukkan bahwa sentimen pengunjung cenderung positif dari 511 ulasan diperoleh 456 sentimen positif, 33 sentimen negatif, dan 22 sentimen netral.

Conclusion

Hasil klasifikasi sentimen dari 511 ulasan menunjukkan bahwa terdapat 456 sentimen positif, 33 sentimen negatif, dan 22 sentimen netral.Model SVM dengan LDA terbukti efektif dalam klasifikasi sentimen, dengan nilai F1-score sebesar 66%, lebih tinggi 11% dibandingkan model SVM tanpa LDA yang memiliki nilai F1-score 55%.Penelitian ini mengindikasikan bahwa perspektif pengunjung terhadap objek wisata di Kabupaten Gresik cenderung positif.

Future Research

Penelitian lanjutan dapat dilakukan dengan mengeksplorasi model word embedding yang lebih canggih, seperti training model baru dengan korpus yang lebih besar, untuk meningkatkan pemahaman konteks antar kata dan akurasi analisis sentimen. Selain itu, penerapan metode deep learning, dikombinasikan dengan LDA, dapat meningkatkan akurasi klasifikasi sentimen dan menangani masalah ketidakseimbangan data. Untuk memperdalam pemahaman tentang faktor-faktor yang memengaruhi sentimen pengunjung, penelitian dapat difokuskan pada analisis lebih rinci terhadap ulasan negatif, mengidentifikasi aspek-aspek spesifik dari objek wisata yang perlu ditingkatkan, seperti fasilitas, kebersihan, atau harga tiket. Penelitian ini dapat menggunakan metode analisis topik atau analisis fitur untuk mengidentifikasi tema-tema utama yang muncul dalam ulasan negatif dan memberikan rekomendasi yang lebih terarah kepada pengelola wisata. Terakhir, penelitian dapat memperluas cakupan data dengan mengumpulkan ulasan dari berbagai platform media sosial dan situs web perjalanan, untuk mendapatkan gambaran yang lebih komprehensif tentang persepsi pengunjung terhadap objek wisata di Kabupaten Gresik.

References

1. Analisis Sentimen Pada Situs Google Review dengan Naïve Bayes dan Support Vector Machine... journal.unimma.ac.id/komtika/en/article/view/6280Analisis Sentimen Pada Situs Google Review dengan NayEAve Bayes dan Support Vector Machine journal unimma ac komtika en article view 6280
2. On Human Predictions with Explanations and Predictions of Machine Learning Models | Proceedings of the... doi.org/10.1145/3287560.3287590On Human Predictions with Explanations and Predictions of Machine Learning Models Proceedings of the doi 10 1145 3287560 3287590
3. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi »... doi.org/10.21205/deufmd.2021236710Dokuz Eylyl yuniversitesi Myhendislik Fakyltesi Fen ve Myhendislik Dergisi A doi 10 21205 deufmd 2021236710

Metadata

File size	759.99 KB
Pages	17
DMCA	Report