Analisis Sentimen Ulasan Pengunjung Objek Wisata Gunung Bromo pada Situs Tripadvisor

Abstract

- Currently, tourists can submit reviews about their travel experiences through various platforms. These tourist reviews can influence and consider other potential tourists who will visit these attractions. One of the popular travel platforms is TripAdvisor. Reviews on this platform regarding Mount Bromo tourism objects are analyzed further so that the tourism object managers can get information that can be used as the basis for developing the tourism objects they manage. Sentiment analysis with a classification approach with a supervised learning algorithm can be used as a method to explore tourist sentiment which is positive or negative sentiment. Of the three classification algorithms tested in this study, the Decision Tree algorithm has the highest accuracy rate of 91%, followed by Naïve Bayes and Logistic Regression, each with 88%. The precision, recall, and f1-measure levels for the Decision Tree are 0.95, 0.62, and 0.68, respectively. From the results obtained, the performance of the classification model needs to be improved because the classification model tends to predict positive sentiment class. wisatawan ini dapat mempengaruhi dan memberikan pertimbangan bagi para calon wisatawan lain yang akan mengunjungi obyek wisata tersebut. Salah satu platform wisata yang populer adalah TripAdvisor. Ulasan pada platform ini mengenai obyek wisata Gunung Bromo dianalisis lebih jauh sehingga pihak pengelola obyek wisata dapat mendapatkan informasi yang dapat digunakan sebagai dasar pengembangan obyek wisata yang dikelolanya. Analisis sentimen dengan pendekatan klasifikasi dengan algoritma supervised learning dapat digunakan sebagai salah satu metode untuk menggali sentimen wisatawan yaitu positif atau negatif. Dari tiga algoritma pengklasifikasi yang diuji pada penelitian ini, tingkat akurasi tertinggi model klasifikasi dihasilkan oleh algoritma Decision Tree sebesar 91% dan diikuti oleh Naïve Bayes dan Logistic Regression yang masing-masingnya 88%. Tingkat precision, dan f1-measure untuk Decision Tree masing-masingnya sebesar 0,95 , 0,62 , dan 0,68. Dari hasil yang didapatkan, model klasifikasi perlu ditingkatkan performanya karena model klasifikasi memiliki kecenderungan prediksi ke kelas sentimen positif.