Analisis Sentimen Terhadap Objek Wisata Di Provinsi Jawa Timur, Jawa Tengah, Jawa Barat, Banten, Dan Dki Jakarta Pada Platform Google My Business Menggunakan Algoritma Decision Tree
Abstract
Abstrak—Pariwisata merupakan salah satu sektor penting
dan unggulan yang memberikan kontribusi terhadap ekonomi
nasional. Tingkat kepuasan wisatawan terhadap sebuah objek
wisata dapat dilihat dari review yang diberikan, salah satunya
platform yang dapat digunakan untuk melihat review
wisatawan adalah Google My Business. Penerapan analisis
sentimen mengunakan tiga sentimen, positif, negatif, dan netral.
Dengan penerapan sentiment analysis dan multidimensional
menggunakan metode Decision tree dapat diketahui sentimen
yang diberikan wisatawan terhadap sebuah objek wisata.
Seperti pada penelitian ini, review terhadap objek wisata yang
ada di provinsi Jawa Timur, Jawa Tengah, Jawa Barat, Banten,
dan DKI Jakarta didapatkan data sebanyak 12.680. kemudian
setelah dilakukan preprocessing dan labeling menghasilkan
data bersih sebanyak 8.615. pelabelan menggunakan dua
library yaitu transformer dan textblob serta untuk setiap
library akan dicoba dengan tiga split data yang berbeda yaitu
70:30, 80:20, dan 90:10 yang bertujuan untuk mengetahui
kombinas yang pas untuk pembuatan model machine learning
ini. Dari hasil analisis sentiment menggunakan algoritma
decision tree dengan pelabelan menggunakan library
transformer dan split data 70:30 didapatkan nilai akurasi
sebesar 78%. Hasil prediksi akan ditampilakan pada dashboard
menggunakan Power BI untuk memudahkan dalam memahami data
Kata kunci— Sentiment Analisis, Multidimensional Analisis, Decision tree, Transformer, Textblob, Power BI
References
M. Sujai,
Menarik Kunjungan Turis Mancanegara,= Kajian
Ekonomi dan Keuangan, vol. 20, no. 1, pp. 61-76,
, doi: 10.31685/kek.v20i1.181.
Egsaugm,
Pandemi,= egsaugm, 2021.
https://egsa.geo.ugm.ac.id/2021/02/11/pariwisataindonesia-di-tengah-pandemi/ (accessed Dec. 04,
.
H. Wulandari, A. Ruslani, C. Pravitasari, D.
Apresziyanti, and M. Muin,
Nusantara 2020,= BPS, vol. 1999, no. December, pp.
-6, 2022, [Online]. Available:
https://www.bps.go.id/publication/download.html?n
rbvfeve=ZmFiMWMxOWE3OGI1MzdkMTljZWQ
yNWRi&xzmn=aHR0cHM6Ly93d3cuYnBzLmdvL
mlkL3B1YmxpY2F0aW9uLzIwMjEvMTIvMTQvZ
mFiMWMxOWE3OGI1MzdkMTljZWQyNWRiL3
N0YXRpc3Rpay13aXNhdGF3YW4tbnVzYW50Y
XJhLTIwMjAuaHRtbA%3D%3D&twoadfn
R. Sari,
Wisata Dunia Fantasi Menggunakan Algoritma KNearest Neighbor (K-Nn),= EVOLUSI_: Jurnal Sains
dan Manajemen, vol. 8, no. 1, pp. 10-17, 2020, doi:
31294/evolusi.v8i1.7371.
I. Kovacic, C. G. Schuetz, B. Neumayr, and M.
Schrefl,
to multidimensional data analysis,= Data Knowl Eng,
vol. 138, no. November 2021, p. 101948, 2022, doi:
1016/j.datak.2021.101948.
P. Diah and S. Pitanatri,
PERKEMBANGAN PARIWISATA DAN
DEFINISI PARIWISATA,= 2017.
Nehashrirudra,
www.geeksforgeeks.org, 2021.
https://www.geeksforgeeks.org/multidimensionaldata-model/ (accessed Dec. 13, 2022).
B. Liu,
Opinions,= Studies in Big Data, vol. 30, no. May, pp.
-523, 2012, doi: 10.1007/978-3-319-60435-
_20.
E. M. Sipayung, H. Maharani, and I. Zefanya,
SENTIMEN KOMENTAR PELANGGAN
MENGGUNAKAN METODE NAIVE BAYES
CLASSIFIER,= Jurnal Sistem Informasi (JSI), VOL.
, NO. 1, April 2016, vol. 8, no. December, pp. 118-
, 2016.
A. H. Nasrullah,
DECISION TREE UNTUK KLASIFIKASI
PRODUK LARIS,= vol. 7, no. 2, 2021, [Online].
Available: http://ejournal.fikom-unasman.ac.id
S. Tangirala,
and Information Gain on Classification using
Decision Tree Classifier Algorithm*,= 2020.
[Online]. Available: www.ijacsa.thesai.org
Abdul Azis Maarif,
TF-IDF UNTUK PENCARIAN KARYA ILMIAH,= 2015.
M. N. Saadah, R. W. Atmagi, D. S. Rahayu, and A.
Z. Arifin,
F. Pedregosa et al.,
in Python Gael Varoquaux Bertrand Thirion Vincent Dubourg Alexandre Passos PEDREGOSA,
VAROQUAUX, GRAMFORT ET AL. Matthieu Perrot,= 2011. [Online]
