Analisis Sentimen Tempat Wisata Di Kabupaten Bandung Jawa Barat Dengan Visualisasi Website
Abstract
Analisis Sentimen Tempat Wisata Di Kabupaten Bandung Jawa Barat Dengan Visualisasi Website
1st Haris Tri Nugroho
School of Electrical Engineering
Telkom University
Bandung, Indonesia
2nd Rita Purnamasari
School of Electrical Engineering
Telkom University
Bandung, Indonesia
3rd Efri Suhartono
School of Electrical Engineering
Telkom University
Bandung, Indonesia
Abstrak — Sektor pariwisata Kabupaten Bandung adalah pilar ekonomi utama dengan berbagai objek wisata. Meskipun kunjungan wisatawan meningkat pasca pandemi, ulasan di Google Maps yang sering tidak terstruktur dan beragam kualitasnya menyulitkan pengelola destinasi dalam pengambilan keputusan berbasis data. Untuk mengatasi hal tersebut, penelitian ini merancang sistem analisis sentimen ulasan wisata secara otomatis berbasis machine learning. Sistem mengumpulkan data ulasan wisatawan dari Google Maps menggunakan teknik web scraping, kemudian melakukan preprocessing teks (pembersihan, tokenisasi, penghapusan stopwords, dan stemming), ekstraksi fitur menggunakan TF-IDF, serta klasifikasi sentimen ke dalam kategori positif, negatif, dan netral menggunakan tiga algoritma pembelajaran mesin (Naive Bayes, SVM, dan K-NN). Hasil analisis disajikan melalui antarmuka web interaktif berbasis Flask (backend) dan Next.js (frontend) yang menampilkan visualisasi distribusi sentimen, analisis komentar negatif, serta fitur uji sentimen untuk kalimat tunggal. Hasil evaluasi menunjukkan model SVM memberikan akurasi tertinggi (88%), diikuti Naive Bayes (85%) dan K-NN (67%). Sebagai contoh, analisis ulasan di destinasi Tangkuban Perahu (474 ulasan) menghasilkan distribusi sentimen 74% positif, 17% negatif, dan 9% netral. Temuan ini membuktikan bahwa penerapan analisis sentimen berbasis machine learning dapat memberikan wawasan objektif bagi pengelola pariwisata dalam memahami persepsi pengunjung, sehingga mendukung pengambilan kebijakan yang lebih tepat untuk meningkatkan kualitas layanan wisata di Kabupaten Bandung.
Kata kunci: analisis sentiment, google maps, klasifikasi teks, machine learning, pariwisata, visualisasi web
References
O. Somantri and D. Dairoh, “Analisis Sentimen Penilaian Tempat Tujuan Wisata Kota Tegal Berbasis Text Mining,” Jurnal Edukasi dan Penelitian Informatika (JEPIN), vol. 5, no. 2, p. 191, 2019, doi: 10.26418/jp.v5i2.32661.
J. Ipmawati, S. Saifulloh, and K. Kusnawi, “Analisis Sentimen Tempat Wisata Berdasarkan Ulasan pada Google Maps Menggunakan Algoritma Support Vector Machine,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 1, pp. 247–256, 2024, doi: 10.57152/malcom.v4i1.1066.
F. C. Manosso and T. C. D. Ruiz, “Using sentiment analysis in tourism research: A systematic, bibliometric, and integrative review,” Journal of Tourism, Heritage and Services Marketing, vol. 7, no. 2, pp. 16–27, 2021, doi: 10.5281/zenodo.5548426.
W. Rafdinal, “Is smart tourism technology important in predicting visiting tourism destination? Lessons from West Java, Indonesia,” Journal of Tourism Sustainability, vol. 1, no. 2, pp. 102–115, 2021, doi: 10.35313/jtos.v1i2.20.
I. W. B. Suryawan, N. W. Utami, and K. Q. Fredlina, “Analisis Sentimen Review Wisatawan pada Objek Wisata Ubud Menggunakan Algoritma Support Vector Machine,” Jurnal Informatika Teknologi dan Sains, vol. 5, no. 1, pp. 133–140, 2023.
A. Taneja, “Sentiment Analysis Using Machine Learning : a Comprehensive Sentiment Analysis Using Machine Learning : a Comprehensive Review,” vol. 3, no. July, pp. 181–189, 2024.
S. A. Rutba and S. Pramana, “Aspect-based Sentiment Analysis and Topic Modelling of International Media on Indonesia Tourism Sector Recovery,” 2025, doi: 10.36256/ijtl.v6i1.502.
N. A. Semary, W. Ahmed, K. Amin, P. Pławiak, and M. Hammad, “Enhancing machine learning-based sentiment analysis through feature extraction techniques,” PLoS One, vol. 19, no. 2 February, 2024, doi: 10.1371/journal.pone.0294968.
N. Wulandari, Y. Cahyana, and H. H. Handayani, “Sentiment Analysis on the Relocation of the National Capital ( IKN ) on Social Media X Using Naive Bayes and K-Nearest Neighbor ( KNN ) Methods,” vol. 9, no. 3, pp. 724–731, 2025.
R. Kurniawan, H. O. L. Wijaya, and R. P. Aprisusanti, “Sentiment Analysis of Google Play Store User Reviews on Digital Population Identity App Using K-Nearest Neighbors,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 13, no. 2, pp. 170–178, 2024, doi: 10.32736/sisfokom.v13i2.2071.
D. J. Evan and P. O. N. Saian, “Implementasi Python Framework Flask Pada Modul Transfer Out Toko Di Pt Xyz,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 8, no. 4, pp. 1121–1131, 2023, doi: 10.29100/jipi.v8i4.4020.
“Analisis Sentimen Menggunakan Algoritma Naive Bayes Classifier Pada Ulasan Aplikasi PLN Mobile di Google Play Store”.
