ANALISIS SENTIMEN DESTINASI WISATA DI JAWABARAT PADA TWITTER MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER

Riwanti Situmorang, Uus Muhammad Husni Tamyis, Lise Sri Andar Muni
{"title":"ANALISIS SENTIMEN DESTINASI WISATA DI JAWABARAT PADA TWITTER MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER","authors":"Riwanti Situmorang, Uus Muhammad Husni Tamyis, Lise Sri Andar Muni","doi":"10.51876/simtek.v8i2.287","DOIUrl":null,"url":null,"abstract":"Perkembangan teknologi informasi dan komunikasi telah memberikan dampak signifikan pada berbagai aspek kehidupan manusia, termasuk dalam industri pariwisata. Salah satu dampak penting dari perkembangan teknologi adalah kemunculan media sosial, seperti Twitter, yang telah menjadi platform populer bagi pengguna untuk berbagi pengalaman dan pandangan mereka tentang berbagai hal, termasuk destinasi wisata. Namun, dalam jumlah data yang besar dan kompleks, tantangan utama adalah mengklasifikasikan sentimen wisatawan terhadap destinasi wisata di Jawa Barat berdasarkan ulasan dan komentar di Twitter. Oleh karena itu, metode Naive Bayes Classifier dipilih sebagai solusi untuk menganalisis sentimen dengan kehandalannya . Penelitian ini bertujuan untuk menganalisis sentimen destinasi wisata di Jawa Barat di Twitter menggunakan metode Naive Bayes Classifier. Dari data 5000 tweet, mayoritas pandangan masyarakat terhadap destinasi wisata tersebut adalah positif (42,24%), diikuti oleh sentimen netral (31,74%), dan negatif (26,02%). Algoritma Naive Bayes memiliki akurasi 0,332, precision 0,658, dan recall 0,332.","PeriodicalId":34309,"journal":{"name":"Jurnal Sisfokom","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-10-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Sisfokom","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.51876/simtek.v8i2.287","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Perkembangan teknologi informasi dan komunikasi telah memberikan dampak signifikan pada berbagai aspek kehidupan manusia, termasuk dalam industri pariwisata. Salah satu dampak penting dari perkembangan teknologi adalah kemunculan media sosial, seperti Twitter, yang telah menjadi platform populer bagi pengguna untuk berbagi pengalaman dan pandangan mereka tentang berbagai hal, termasuk destinasi wisata. Namun, dalam jumlah data yang besar dan kompleks, tantangan utama adalah mengklasifikasikan sentimen wisatawan terhadap destinasi wisata di Jawa Barat berdasarkan ulasan dan komentar di Twitter. Oleh karena itu, metode Naive Bayes Classifier dipilih sebagai solusi untuk menganalisis sentimen dengan kehandalannya . Penelitian ini bertujuan untuk menganalisis sentimen destinasi wisata di Jawa Barat di Twitter menggunakan metode Naive Bayes Classifier. Dari data 5000 tweet, mayoritas pandangan masyarakat terhadap destinasi wisata tersebut adalah positif (42,24%), diikuti oleh sentimen netral (31,74%), dan negatif (26,02%). Algoritma Naive Bayes memiliki akurasi 0,332, precision 0,658, dan recall 0,332.
在 Twitter 上分析下巴上的智慧目的地信息,并使用天真贝叶斯分类器算法
信息和通信技术的发展对人类生活的各个方面,包括旅游业,产生了重大影响。技术发展的一个重要影响是社交媒体的出现,比如Twitter,它已经成为一个受欢迎的平台,让用户分享他们的经验和观点,包括旅游目的地。然而,在大量复杂的数据中,主要挑战是根据Twitter上的评论和评论对西爪哇旅游目的地的游客的看法进行分类。因此,选择天真的贝斯经典法作为一种分析其温暖程度的方法。该研究的目的是用天真的Bayes经典费尔(Naive Bayes Classifier)的方法分析西爪哇的旅游目的地。从5000英尺推特数据,大多数这种公众对旅游目的地的观点是积极(42,24%),其次是中立(31,74%),负面情绪(26,02%)。天真贝斯算法的准确率为0.332,精度为0.658,召回率为0.332。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
40
审稿时长
8 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信