ANALISIS SENTIMEN TEMPAT WISATA DI PULAU BINTAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
PRATAMA, BOYKE OKKY DWI
Ritha, Nola
Bettiza, Martaleli
Ritha, Nola
Bettiza, Martaleli
Subject
005.1.Pemrograman
Datestamp
2024-07-31 07:08:44
Abstract :
Indonesia, dengan kekayaan alam, keanekaragaman budaya, dan warisan sejarahnya, menjadikan sektor pariwisata sebagai salah satu tulang punggung ekonominya. Pulau Bintan, sebagai destinasi wisata populer di Provinsi Kepulauan Riau, memiliki potensi wisata pantai yang besar namun pengelolaannya masih belum optimal. Masalah utama yang dihadapi adalah kurangnya visualisasi ulasan pengunjung wisata yang dapat mempermudah analisis oleh pengelola. Ulasan pengunjung di Google Maps menjadi informasi berharga bagi pengelola untuk evaluasi dan wisatawan sebagai pertimbangan sebelum berkunjung. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan wisata di Pulau Bintan menggunakan metode machine learning, khususnya Support Vector Machine (SVM). Dengan dataset sebanyak 1723 ulasan dari Google Maps, analisis dilakukan untuk mengukur akurasi klasifikasi sentimen menjadi positif dan negatif. Hasil penelitian menunjukkan bahwa SVM mencapai akurasi sebesar 86%, precision 86%, recall 98%, dan f-measure 92%.
Indonesia, dengan kekayaan alam, keanekaragaman budaya, dan warisan sejarahnya, menjadikan sektor pariwisata sebagai salah satu tulang punggung ekonominya. Pulau Bintan, sebagai destinasi wisata populer di Provinsi Kepulauan Riau, memiliki potensi wisata pantai yang besar namun pengelolaannya masih belum optimal. Masalah utama yang dihadapi adalah kurangnya visualisasi ulasan pengunjung wisata yang dapat mempermudah analisis oleh pengelola. Ulasan pengunjung di Google Maps menjadi informasi berharga bagi pengelola untuk evaluasi dan wisatawan sebagai pertimbangan sebelum berkunjung. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan wisata di Pulau Bintan menggunakan metode machine learning, khususnya Support Vector Machine (SVM). Dengan dataset sebanyak 1723 ulasan dari Google Maps, analisis dilakukan untuk mengukur akurasi klasifikasi sentimen menjadi positif dan negatif. Hasil penelitian menunjukkan bahwa SVM mencapai akurasi sebesar 86%, precision 86%, recall 98%, dan f-measure 92%.
File :
BOYKE OKKY DWI PRATAMA_2001020036_Teknik Informatika_Cover.pdf
BOYKE OKKY DWI PRATAMA_2001020036_Teknik Informatika_Abstrak.pdf
BOYKE OKKY DWI PRATAMA_2001020036_Teknik Informatika_BAB I.pdf
BOYKE OKKY DWI PRATAMA_2001020036_Teknik Informatika_Daftar Pustaka.pdf
BOYKE OKKY DWI PRATAMA_2001020036_Teknik Informatika_Full Teks.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
