Model Library Support Vector Machine (LibSVM) untuk Sentiment Review Penilaian Pesisir Pantai

Abstract

Peningkatan pelayanan sebagai upaya untuk memberikan kenyamanan sebuah tempat wisata, khususnya pesisir pantai selatan pulau Jawa, bagi para pengunjung merupakan sebuah tuntutan bagi para pengelola wisata yang akan memberikan dampak positif di masa depan. Penilaian yang dilakukan untuk mengetahui respons pengunjung wisata pantai mengenai tempat tersebut, memberikan kesan positif atau tidak, menjadi kesulitan tertentu bagi pihak terkait, baik pemerintah maupun pengelola, untuk dapat meningkatkan pelayanan wisata, khususnya pesisir pantai di wilayah selatan pulau Jawa. Penerapan teknologi text mining berbasis machine learning, khususnya sebuah sentiment review, menjadi salah satu solusi yang diusulkan untuk mengatasi permasalahan tersebut, sehingga prediksi potensi wisata dapat diketahui sebelumnya. Pada makalah ini, diusulkan sebuah model sentiment review pesisir pantai dengan menggunakan metode library support vector machine (LibSVM). Proses optimalisasi model mengusulkan sebuah optimasi model yang berbasiskan feature weights menggunakan algoritma particle swarm optimization (PSO) sebagai optimasi model untuk peningkatan akurasi. Upaya peningkatan akurasi pada model yang diusulkan merupakan kontribusi utama pada makalah ini. Hasil penelitian dan eksperimen terhadap model yang diusulkan menghasilkan model terbaik yang diberi nama LibSVM_IG+PSO dengan menggunakan metode LibSVM berbasis information gain (IG) dan PSO, yang menghasilkan tingkat akurasi sebesar 88,97%. Model yang diusulkan ini diharapkan dapat menjadi pendukung keputusan dalam menilai sentimen terhadap pariwisata maritim pesisir pantai yang dapat dimanfaatkan oleh wisatawan, pemerintah, maupun pengelola wisata.