Analisis Sentimen Terhadap Tempat Wisata Berdasarkanulasan Pada Google Maps Menggunakan Algoritma Naïve Bayes Classifier Dan Support Vector Machine (Studi Kasus: Kabupaten Brebes)
Abstrak
Berwisata adalah salah satu kegiatan rekreasi yang populer di kalangan masyarakat untuk melepas penat dan menikmati keindahan alam atau budaya setempat. Kabupaten Brebes, terbesar ketiga di Jawa Tengah setelah Grobogan, namun menempati urutan terakhir dalam jumlah kunjungan wisatawan pada tahun 2022 menurut data Badan Pusat Statistik (BPS) Jawa Tengah. Kondisi ini mendorong perlunya analisis lebih lanjut mengenai sentimen pengunjung terhadap tempat wisata di Brebes untuk memahami persepsi publik. Penelitian ini bertujuan mengklasifikasikan sentimen pengunjung dari Google Maps dan membandingkan kinerja algoritma Naïve Bayes (NB) dengan Support Vector Machine (SVM). Dari 6734 data ulasan yang dianalisis menggunakan fitur TF-IDF, SVM menunjukkan performa yang lebih unggul dengan akurasi 87%, melampaui Naïve Bayes dengan 86%. Pada pengujian lebih lanjut, SVM menghasilkan nilai precision sebesar 0.69, recall 0.24, dan f1-score 0.36 untuk sentimen negatif, serta precision 0.88, recall 0.98, dan f1-score 0.93 untuk sentimen positif. Sementara itu, Naïve Bayes menghasilkan precision 0.86, recall 0.05, dan f1-score 0.10 untuk sentimen negatif, serta precision 0.86, recall 1.00, dan f1-score 0.92 untuk sentimen positif. Hal ini menunjukkan bahwa SVM tidak hanya lebih akurat secara keseluruhan, tetapi juga lebih seimbang dalam mengenali kedua kelas sentimen, terutama dalam mendeteksi ulasan negatif yang sangat penting sebagai masukan bagi pengembangan sektor pariwisata. Kata kunci— analisis sentimen, brebes, naïve bayes, support vector machine, wisata
Unduhan
Referensi
[1] Faraz Sukma Halida, “Analisis Strategi Meningkatkan Kepuasan Pengunjung Objek Wisata Kebun Teh Kaligua Kecamatan Paguyangan Kabupaten Brebes,” Institut Agama Islam Negeri Purwokerto, 2019.
[2] Badan Pusat Statistik Provinsi Jawa Tengah, “Banyaknya Pengunjung Daya Tarik Wisata dan Event Menurut Kabupaten/Kota di Jawa Tengah, 2022.” Accessed: Mar. 18, 2024. [Online]. Available: https://jateng.bps.go.id/statictable/2023/08/02/2714/banyaknya-pengunjung-daya-tarik-wisata-dan-event-menurut-kabupaten-kota-di-jawa-tengah-2022.html
[3] Defri Yusach Ansyari, “Peran Dinas Pariwisata Dalam Menggunakan Media Sosial Untuk Promosi Pariwisata Di Kabupaten Brebes Tahun 2017,” Universitas Muhammadiyah Yogyakarta, 2019.
[4] Lutfi Budi Ilmawan and Muhammad Aliyazid Mude, “Perbandingan Metode Klasifikasi Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Ulasan Tekstual di Google Play Store,” ILKOM Jurnal Ilmiah, vol. 12, no. 2, pp. 154–161, 2020.
[5] Ratino, Noor Hafidz, Sita Anggraeni, and Windu Gata, “Sentimen Analisis Informasi Covid-19 menggunakan Support Vector Machine dan Naïve Bayes,” Jurnal Penelitian Ilmu dan Teknologi Komputer, vol. 12, no. 2, pp. 1–11, 2020.
[6] Fajar Sodik Pamungkas and Iqbal Kharisudin, “Analisis Sentimen dengan SVM, NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter,” PRISMA, Prosiding Seminar Nasional Matematika, vol. 4, pp. 628–634, 2021.
[7] Reza Safitri, Nisa Alfira, Dian Tamitiadini, Nufian S Febriana, and Wayan Weda Asmara Dewi, Analisis Sentimen : Metode Alternatif Penelitian Big Data. UB Press, 2021.
[8] Ali Imron, “Analisis Sentimen Terhadap Tempat Wisata Di Kabupaten Rembang Menggunakan Metode Naive Bayes Classifier,” Universitas Islam Indonesia, 2019.
[9] Fajrin Septiana Nugraha, “Peningkatan Akurasi Algoritma Support Vector Machine (Svm) Dengan Particle Swarm Optimization (Pso) Pada Analisis Sentimen Review Hotel Di Tasikmalaya (Studi Kasus: Tiket.Com Dan Agoda),” Institut Teknologi Telkom Purwokerto, 2022.
[10] Eva Rahma Indriyani, “Perbandingan Metode Naïve Bayes Dan Support Vector Machine Untuk Analisis Sentimen Terhadap Vaksin Astrazeneca Di Twitter,” Institut Teknologi Telkom Purwokerto, 2022.



