KLASIFIKASI SENTIMEN KEPUASAN 10 DESTINASI WISATA KEMENPAREKRAF DI X DENGAN RULE-BASED DAN NAIVE BAYES

Abstrak

Pengembangan sepuluh destinasi wisata oleh KEMENPAREKRAF menegaskan peranan penting pariwisata dalam perekonomian dan budaya Indonesia. Analisis sentimen diterapkan untuk mengevaluasi pandangan masyarakat terhadap destinasi tersebut. Model naïve bayes classifier digunakan untuk memprediksi sentimen berdasarkan data teks, dengan menerapkan metode transformasi Term Frequency-Inverse Document Frequency (TF-IDF) untuk menilai bobot kata dalam dokumen. Dataset awal berjumlah 3151, yang kemudian diproses melalui tahapan preprocessing menjadi 1812 data. Pelabelan data dilakukan dengan metode Rule based, di mana data diberi label berdasarkan bobot kata yang terdapat dalam teks dan divalidasi oleh para ahli di bidang pariwisata, dengan hasil perbandingan sentimen positif 64,2%, negatif 12,1%, dan netral 23,7%. Dari 1812 data yang telah dilabeli, data tersebut dibagi menjadi dua bagian, yaitu data latih dan data uji berdasarkan destinasi. Proses klasifikasi dilakukan untuk mengevaluasi pelatihan model dengan tingkat akurasi rata-rata sebesar 56,02%, dengan rasio perbandingan 10% untuk data uji dan 90% untuk data latih. Penelitian ini memberikan wawasan mengenai kepuasan masyarakat terhadap destinasi wisata di Indonesia, yang dapat dijadikan sebagai referensi bagi pelancong yang ingin berkunjung ke setiap lokasi. Analisis sentimen mencakup pengumpulan data, preprocessing, pelabelan, pembagian data, pelatihan model, dan evaluasi menggunakan Naïve Bayes Classifier yang ditampilkan dalam confusion matrix, menghasilkan nilai akurasi, precision, recall, dan f1-score. Destinasi dengan akurasi tertinggi yang menggunakan naïve bayes classifier dan metode rule based, serta divalidasi oleh pakar, adalah Wakatobi dengan nilai 73%.