Implementasi Metode Naïve Bayes Classifier Terhadap Analisis Sentimen Tempat Wisata di Nusa Tenggara Barat
Abstrak
Abstrak— Berwisata adalah salah satu kegiatan yang sudah menjadi sebuah kebutuhan dalam kehidupan kita. Karena dengan liburan, bisa melepas penat dari berbagai rutinitas. Sebelum menentukan tempat wisata, biasanya wisatawan mencari terlebih dahulu informasi yang dibutuhkan. Berbicara mengenai tempat wisata, di Indonesia terdapat salah satu provinsi yaitu Nusa Tenggara Barat yang terkenal akan destinasi wisatanya. Ada pantai, gunung dan juga pulau-pulau. Hadirnya media sosial, menjadikan mudah mendapatkan segala informasi dan bersifat aktual. Dengan kemudahan aksesnya, semua orang dapat berkontribusi dalam memberikan informasi, dalam hal ini adalah tempat wisata di Nusa Tenggara Barat. Wisatawan pun jika ingin mengunjungi tempat wisata, sudah memiliki gambaran mengenai tempat yang akan dikunjungi. Twitter adalah salah satu media sosial yang cukup banyak dipakai. Wisatawan yang sedang berkunjung ke tempat wisata maupun masyarakat yang berada disana dapat memberikan komentar berupa tweet. Informasi inilah yang sangat membantu untuk mengetahui kualitas tempat wisata yang akan dikunjungi. Penelitian ini dilakukan untuk mengetahui metode ekstraksi fitur TF-IDF terhadap performa algoritma Naive Bayes Classifier dalam melakukan proses klasifikasi berdasarkan tweet pengguna yang sudah pernah mengunjungi atau yang sedang berada di Nusa Tenggara Barat. Menghasilkan makro F1-score senilai 0,76 atau 76%.
Kata Kunci— Wisata, Sentimen, Twitter, Naïve Bayes Classifier, Bag of word, TF-IDF
Referensi
REFERENSI
A. P, I. R and P. P, "Sentiment Analysis in Tourism,"
IJISET - International Journal of Innovative Science,
Engineering & Technology, vol. I, no. 9, 2014.
Pang, Bo and Lee, L, Vaithyanathan, S. 2002.
Techniques=. Proceedings of the 7th Conference on
Empirical Methods in Natural Language Processing
(EMNLP-02). USA, 2002.
Triawati, C. (2009). Text Mining. Bandung, Jawa
Barat, Indonesia
Turban, E., & Liang, J. E. A. and T. P. (2005).
Decision Support System and Intelligent Systems
(7th ed). Pearson Education, Inc.
Larose, D. T. (2005). Discovering Knowledge in
Data: An Introduction to Data Mining. John Willey
& Sons, Inc.
Santosa, B. (2007). Data mining teknik pemanfaatan
data untuk keperluan bisnis.Yogyakarta: Graha Ilmu.
Sumartini Saraswati, N. W. (2011). Text Mining
dengan Metode Naive Bayes Classifier dan Support
Vector Machines untuk Sentiment Analysis.
Denpasar, Bali, Indonesia.
Muslehatin, W., Ibnu, M., & Mustakim. (2017).
Penerapan Naïve Bayes Classification untuk
Klasifikasi Tingkat Kemungkinan Obesitas
Mahasiswa Sistem Informasi UIN Suska Riau.
Seminar Nasional Teknologi Informasi, Komunikasi
dan Industri (SNTIKI) 9, 250-256.
Huang, Y.-A., You, Z. H., Chen, X., Chan, K., &
Luo, X. (2016). Sequence-Based Prediction of
Protein- Protein Interactions using Weighted Sparse
Representation Model Combined with Global
Encoding. BMC Bioinformatics, 17:184.
Syaifudin, Yan W., and Rizki A. Irawan.
"Implementasi Analisis Clustering Dan Sentimen
Data Twitter Pada Opini Wisata Pantai
Menggunakan Metode K-means." Jurnal Informatika
Polinema, vol. 4, no. 3, 2018,
doi:10.33795/jip.v4i3.205.
Murnawan, Murnawan. (2017). PEMANFAATAN
ANALISIS SENTIMEN UNTUK
PEMERINGKATAN POPULARITAS TUJUAN
WISATA. Jurnal Penelitian Pos dan Informatika. 7.
10.17933/jppi.2017.070203.
"Twitter," [Online]. Available:
https://help.twitter.com/en/new-user-faq. [Accessed
April 2020].
L. Wilianto, T. H. Pudjiantoro and F. R. Umbara,
"Analisis Sentimen Terhadap Tempat Wisata Dari
Komentar Pengunjung Dengan Menggunakan
Metode Naïve Bayes Classifier Studi Kasus Jawa
Barat,"
Cimahi, 2017
Liu, B., 2012, Sentiment Analysis and Opining
Mining. Morgan & Claypool Publishers.
Pak, A., dan Paurobek, P., (2010). Twitter as a
Corpus for Sentiment Analysis and Opinion Mining,
Universite de Paris-Sud, Laboratoire LIMSI-CNRS.
Liu, B., 2010, Sentiment Analysis and Subjectivity.
Handbook of Natural Language Processing, Second Edition,
(editors: N. Indurkhya and F. J. Damerau). Chapman and
Hall/CRC,USA
