ANALISIS SENTIMEN PADA TEMPAT WISATA
DI KABUPATEN TEGAL DENGAN PEMBOBOTAN KATA
TERM FREQUENCY INVERSE DOCUMENT FREQUENCY
DAN METODE NAIVE BAYES
Total View This Week0
Total View This Week0
Institusion
Politeknik Harapan Bersama
Author
Fidyantara, M. Akbar
Subject
T Technical Information
Datestamp
2023-01-13 09:07:07
Abstract :
Kabupaten Tegal merupakan salah satu kota di jawa tengah yang pariwisatanya berpotensi untuk dikembangkan. Oleh karena itu, review dari wisatawan dibutuhkan untuk mengambil tindakan terkait pengembangan kualitas objek wisata Kabupaten Tegal agar lebih optimal. Penelitian ini bertujuan untuk membangun sistem yang dapat melakukan sentiment analysis terhadap objek wisata di Kabupaten Tegal berdasarkan data ulasan yang ada di Twitter, Facebook dan Tripadivsor. Dalam melakukan riset sentiment analysis objek wisata Kabupaten Tegal, metode yang digunakan untuk klasifikasi adalah Naïve Bayes. Sebelum melakukan klasifikasi, dilakukan tahap preprocessing yang terdiri dari casefolding, tokenizing, filtering, stemming, dan tahap pembobotan kata menggunakan TF-IDF. Berdasarkan penelitian yang dilakukan, disimpulkan bahwa sistem dapat mengklasifikasikan kelas sentimen ulasan objek wisata yang terdapat pada Twitter, Facebook dan Tripadivsor menggunakan metode Naive Bayes dengan nilai akurasi yang bervariasi dari setiap tempat wisata. Kategori pengklasifikasian sentiment dibedakan menjadi dua, yaitu sentiment positif dan sentiment negative.
Kabupaten Tegal merupakan salah satu kota di jawa tengah yang pariwisatanya berpotensi untuk dikembangkan. Oleh karena itu, review dari wisatawan dibutuhkan untuk mengambil tindakan terkait pengembangan kualitas objek wisata Kabupaten Tegal agar lebih optimal. Penelitian ini bertujuan untuk membangun sistem yang dapat melakukan sentiment analysis terhadap objek wisata di Kabupaten Tegal berdasarkan data ulasan yang ada di Twitter, Facebook dan Tripadivsor. Dalam melakukan riset sentiment analysis objek wisata Kabupaten Tegal, metode yang digunakan untuk klasifikasi adalah Naïve Bayes. Sebelum melakukan klasifikasi, dilakukan tahap preprocessing yang terdiri dari casefolding, tokenizing, filtering, stemming, dan tahap pembobotan kata menggunakan TF-IDF. Berdasarkan penelitian yang dilakukan, disimpulkan bahwa sistem dapat mengklasifikasikan kelas sentimen ulasan objek wisata yang terdapat pada Twitter, Facebook dan Tripadivsor menggunakan metode Naive Bayes dengan nilai akurasi yang bervariasi dari setiap tempat wisata. Kategori pengklasifikasian sentiment dibedakan menjadi dua, yaitu sentiment positif dan sentiment negative.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
