Analisis Sentimen Tempat Wisata Di Kabupaten Bandung Jawa Barat
Abstract
Kabupaten Bandung memiliki sektor pariwisata yang menjadi salah satu pilar utama ekonomi daerah, dengan kekayaan objek wisata alam dan budaya yang menarik minat wisatawan domestik maupun mancanegara. Di sisi lain, wisatawan sangat bergantung pada ulasan di Google Maps sebagai referensi utama, namun informasi yang tersedia sering kali tidak terstruktur dan kualitasnya beragam, sehingga menyulitkan pengelola pariwisata dalam pengambilan keputusan. Untuk mengatasinya penelitian ini mengembangkan sistem analisis sentimen berbasis machine learning yang secara otomatis mengumpulkan, memproses, dan menganalisis ulasan wisatawan dari Google Maps. Sistem ini menerapkan tiga algoritma klasifikasi (Naive Bayes, SVM, dan K-Nearest Neighbors) dengan serangkaian pre-processing teks mencakup pembersihan teks, tokenisasi, penghapusan stopword, dan stemming. Fitur teks diekstraksi menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), kemudian ulasan diklasifikasikan ke dalam kategori sentimen positif, negatif, atau netral. Hasil evaluasi menunjukkan model SVM memberikan kinerja terbaik dengan akurasi 88%, diikuti oleh Naive Bayes (85%) dan K-NN (67%). Penelitian ini membuktikan bahwa analisis sentimen dapat memberikan wawasan bagi pengelola destinasi wisata dalam memahami persepsi pengunjung dan mendukung pengambilan kebijakan yang baik untuk meningkatkan kualitas layanan pariwisata di Kabupaten Bandung.
Kata kunci — analisis sentimen, google maps, klasifikasi teks, machine learning, pariwisata
References
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.
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.
S. Jiang et al., “Explainable Text Classification via Attentive and Targeted Mixing Data Augmentation,” in Proc. Int. Joint Conf. Artificial Intelligence (IJCAI), 2023, pp. 5085–5094, doi: 10.24963/ijcai.2023/565.
M. C. Pramuji, R. Purnamasari, Y. Eliskar, A. R. Thaha, “Analisis Sentimen Menggunakan Algoritma Naive Bayes Classifier Pada Ulasan Aplikasi PLN Mobile di Google Play Store,” e-Proceeding of Engineering, vol. 11, no. 6, pp. 5700–5706, 2024.
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.
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.
F. Akbar, H. Hadiyanto, and C. E. Widodo, “Sentiment Analysis of Data on Google Maps Reviews Regarding Tourism on Keraton Kasepuhan Cirebon Using the Lexicon Based Method,” in Proc. Int. Conf. on Applied Information System and Data Analytics (ICAISD), 2024, pp. 19–24, doi: 10.5220/0012440100003848.
J. P. Mellinas and M. Sicilia, “Comparing Google reviews and TripAdvisor to help researchers select the more appropriate information source,” Consumer Behavior in Tourism and Hospitality, vol. 19, no. 4, pp. 646–655, 2024, doi: 10.1108/CBTH-01-2024-0039.
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, e0294968, 2024, doi: 10.1371/journal.pone.0294968.
A. A. Mudding, “Mengungkap Opini Publik: Pendekatan BERT-based-caused untuk Analisis Sentimen pada Komentar Film,” Journal of System and Computer Engineering (JSCE), vol. 5, no. 1, pp. 36–43, 2024, doi: 10.61628/jsce.v5i1.1060.
N. Wulandari, Y. Cahyana, Rahmat, 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,” Journal of Applied Informatics and Computing (JAIC), vol. 9, no. 3, pp. 724–731, Jun. 2025.
F. Sulianta, Basic Data Mining From A to Z. Bandung, Indonesia. Jul. 2023, Accessed: Jun. 19, 2025. [Online]. Available: https://www.researchgate.net/publication/382274667
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.
M. Gunawan, M. Zarlis, and R. Roslina, “Analisis Komparasi Algoritma Naïve Bayes dan K-Nearest Neighbor Untuk Memprediksi Kelulusan Mahasiswa Tepat Waktu,” Jurnal Media Informatika Budidarma, vol. 5, no. 2, pp. 513–520, Apr. 2021, doi: 10.30865/mib.v5i2.2925.
D. Chi, T. Huang, Z. Jia, and S. Zhang, “Research on sentiment analysis of hotel review text based on BERT-TCN-BiLSTM-attention model,” Array, vol. 25, no. February, p. 100378, 2025, doi: 10.1016/j.array.2025.100378.
S. A. Rutba and S. Pramana, “Aspect-based Sentiment Analysis and Topic Modelling of International Media on Indonesia Tourism Sector Recovery,” Indonesian Journal of Tourism and Leisure, vol. 6, no. 1, 2025, doi: 10.36256/ijtl.v6i1.502.
M. S. Syahlan et al., “Analisis sentimen terhadap tempat wisata dari komentar pengunjung menggunakan metode Support Vector Machine (SVM) (studi kasus: Taman Air Mancur Sri Baduga Purwakarta),” Jurnal Sistem Informasi dan Teknik Komputer, vol. 8, No. 2, no. 2, pp. 315–319, Oct. 2023, Accessed: Jun. 19, 2025. [Online]. Available: https://ejournal.catursakti.ac.id/index.php/simtek/article/view/281/215
