Eksplorasi Algoritma Support Vector Machine untuk Analisis Sentimen Destinasi Wisata di Indonesia
DOI:
https://doi.org/10.32877/bt.v7i2.1810
Keywords:
Analisis Sentimen, Sektor Pariwisata, Support Vector Machine, Text Mining, Twitter/X
Abstract
Penelitian ini mengeksplorasi penerapan algoritma Support Vector Machine (SVM) dalam Text Mining untuk analisis sentimen sektor pariwisata di Indonesia, menggunakan data dari platform Twitter. Data dikumpulkan melalui API Twitter dan diproses melalui tahapan prapemrosesan teks, termasuk tokenisasi, normalisasi, penghapusan stopword, dan stemming, untuk memastikan kesiapan data dalam analisis. Model SVM diuji dengan tiga kernel berbeda—linear, radial basis function (RBF), dan sigmoid—serta menggunakan rasio data latih-uji 7:3 dan 8:2. Hasil menunjukkan bahwa kernel linear dengan rasio 7:3 menghasilkan kinerja terbaik dengan akurasi 92,89%, precision 92%, recall 74%, dan F1-score 81%. Evaluasi berdasarkan kelas sentimen menunjukkan performa tinggi pada sentimen positif (F1-score 96%) tetapi moderat pada kelas netral (F1-score 67%), mencerminkan pengaruh ketidakseimbangan data. Penelitian ini memberikan kontribusi signifikan dalam mendukung pengambilan keputusan berbasis data untuk pengembangan sektor pariwisata. Temuan ini memungkinkan pengelola destinasi wisata untuk memahami opini wisatawan secara otomatis, menyusun strategi promosi yang lebih efektif, serta meningkatkan kualitas layanan. Dengan menerapkan analisis sentimen berbasis SVM, penelitian ini mendukung pengelolaan pariwisata berbasis data untuk meningkatkan daya saing destinasi wisata di Indonesia. Penelitian lanjutan disarankan untuk mengatasi ketidakseimbangan data melalui teknik resampling atau penerapan algoritma alternatif seperti deep learning, guna meningkatkan akurasi klasifikasi sentimen yang lebih kompleks. Dengan demikian, penelitian ini menjadi langkah strategis dalam memanfaatkan teknologi analitik untuk pengelolaan pariwisata yang lebih inovatif.
Downloads
References
Q. Azzahra, “Kontribusi sektor pariwisata terhadap PDB 2017-2021,” alinea.id. Accessed: Apr. 01, 2023. [Online]. Available: https://data.alinea.id/kontribusi-sektor-pariwisata-terhadap-pdb-2017-2021-b2feX9CV9b
M. A. Rizaty, “Pengguna Twitter di Indonesia,” DataIndonesia.id.
I. Surgawi and Sutopo, “ANALISIS PENGARUH PRODUK WISATA, PERSEPSI HARGA DAN PROMOSI TERHADAP KEPUTUSAN WISATAWAN DALAM MENGUNJUNGI OBJEK WISATA (Studi pada Objek Wisata Puri Maerokoco Kota Semarang),” Diponegoro J. Manag., vol. 5, no. 4, pp. 1–10, 2016.
C. C. Aggarwal, Data Classification. 2015. doi: 10.1007/978-3-319-14142-8_10.
D. Purnamasari, Pengantar Metode Analisis Sentimen. 2023.
Amna et al., Data Mining, vol. 2. 2023.
I. R. Mukhlis et al., ALGORITMA PEMBELAJARAN MESIN ( Dasar , Teknik , dan Aplikasi ), no. April. 2024.
R. Albin Pranata, N. Azmi Verdikha, U. Muhammdiyah Kalimantan Timur, and J. H. Ir Juanda, “Metode Pembobotan Tf-Idf Untuk Klasifikasi Teks Quick Count Pemilihan Wakil Presiden Indonesia 2024 Pada X Twitter Dengan Metode Svm,” vol. 18, no. 2, p. 126, 2024, [Online]. Available: https://doi.org/10.47111/JTIAvailableonlineathttps://e-journal.upr.ac.id/index.php/JTI
Septi Putri, Yohanes Agung Apriyanto, and Andri Wijaya, “Analisis Sentimen Ulasan Aplikasi Deepl Pada Google Play Dengan Metode Support Vector Machine (Svm),” J. Sist. Inf., vol. 4, no. 2, pp. 59–66, 2023, doi: 10.32546/jusin.v4i2.2368.
J. Alcaraz, M. Labbé, and M. Landete, “Support Vector Machine with feature selection: A multiobjective approach,” Expert Syst. Appl., vol. 204, p. 117485, 2022, doi: https://doi.org/10.1016/j.eswa.2022.117485.
H. Tuhuteru, L. P. Refialy, M. Laturake, and S. Gildion Pattirane, “Tourist Perceptions Through Sentiment Analysis to Support Tourism Development in Maluku Province,” J. Appl. Informatics Comput., vol. 8, no. 1, p. 119, 2024.
D. Era, S. Andryana, and A. Rubhasy, “Perbandingan Algoritma Naïve Bayes Dan K-Nearest Neighbor pada Analisis Sentimen Pembukaan Pariwisata Di Masa Pandemi Covid 19,” J. Sains Komput. Inform. (J-SAKTI, vol. 7, no. 1, pp. 263–272, 2023.
R. S. Amardita, A. Adiwijaya, and M. D. Purbolaksono, “Analisis Sentimen terhadap Ulasan Paris Van Java Resort Lifestyle Place di Kota Bandung Menggunakan Algoritma KNN,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 1, p. 62, 2022, doi: 10.30865/jurikom.v9i1.3793.
D. Rifaldi, Abdul Fadlil, and Herman, “Teknik Preprocessing Pada Text Mining Menggunakan Data Tweet ‘Mental Health,’” Decod. J. Pendidik. Teknol. Inf., vol. 3, no. 2, pp. 161–171, 2023, doi: 10.51454/decode.v3i2.131.
M. A. A, M. Alamsyah, and M. F. Arif, “Analisis Sentimen Twitter Tentang Pinjaman Online di Indonesia Menggunakan Metode Random Forest”.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 bit-Tech
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
I hereby assign and transfer to bit-Tech all exclusive copyright ownership rights to the above work. This includes, but is not limited to, the right to publish, republish, downgrade, distribute, transmit, sell, or use the work and other related materials worldwide, in whole, or in part, in all languages, in electronic, printed, or any other form of media, now known or hereafter developed and reserves the right to permit or license a third party to do any of the above. I understand that this exclusive right will belong to bit-Tech from the date the article is accepted for publication. I also understand that bit-Tech, as the copyright owner, has sole authority to license and permit reproduction of the article. I understand that, except for copyright, any other proprietary rights associated with the work (e.g. patents or other rights to any process or procedure) must be retained by the author. In addition, I understand that bit-Tech permits authors to use their papers in any way permitted by the applied Creative Commons license.
DOI :
Abstract views: 17
/ 
PDF downloads: 14
