Pertumbuhan ulasan wisatawan secara daring telah membuka peluang baru dalam pemanfaatan data teks untuk mendukung pengambilan keputusan di sektor pariwisata. Volume ulasan pengunjung yang besar di platform daring menyimpan informasi berharga tentang pengalaman wisata, namun sulit dianalisis secara manual karena keterbatasan waktu dan sumber daya. Selain itu, data ulasan cenderung imbalanced akibat tidak semua pengunjung meninggalkan ulasan, sehingga dibutuhkan pendekatan analisis yang mampu mengakomodasi kondisi ketidakseimbangan data. Di sisi lain, belum terdapat kejelasan mengenai algoritma machine learning yang paling efektif dalam menganalisis sentimen ulasan wisatawan, sehingga perlu dilakukan perbandingan performa antara algoritma Support Vector Machine (SVM) dan Naïve Bayes. Penelitian ini bertujuan untuk mengklasifikasikan sentimen wisatawan terhadap Candi Borobudur secara otomatis menggunakan pendekatan machine learning. Data sebanyak 4.341 ulasan dikumpulkan dari dua platform, yaitu Tiket.com dan Tripadvisor. Proses penelitian mencakup tahap preprocessing, ekstraksi fitur menggunakan Term Frequency– Inverse Document Frequency (TF-IDF), dan klasifikasi sentimen menggunakan dua algoritma supervised learning: Naïve Bayes dan Support Vector Machine (SVM). Hasil evaluasi menunjukkan bahwa SVM memiliki performa lebih stabil dalam menangani data yang imbalanced, dengan akurasi sebesar 88%, precision positif 91%, recall positif 95%, dan F1-score positif 93%. Sementara itu, Naïve Bayes memiliki akurasi sebesar 83% dan recall positif 100%, tetapi lemah dalam mengklasifikasikan sentimen negatif. Temuan ini menunjukkan bahwa SVM lebih representatif untuk klasifikasi biner dalam analisis sentimen. Dengan demikian, penerapan algoritma machine learning terbukti efektif dalam menganalisis sentimen ulasan wisatawan secara otomatis, serta dapat menjadi dasar objektif dalam pengelolaan destinasi wisata berbasis data.

S12127

INF 0154 2025

Bekasi

Tersedia