ANALISIS SENTIMEN PADA REVIEW OBJEK WISATA TKL ECOPARK MENGGUNAKAN ALGORITME SUPPORT VECTOR MACHINE DAN TEKNIK BALANCING DATASET

Wirabuana, Pandu Anggit (2023) ANALISIS SENTIMEN PADA REVIEW OBJEK WISATA TKL ECOPARK MENGGUNAKAN ALGORITME SUPPORT VECTOR MACHINE DAN TEKNIK BALANCING DATASET. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (963kB)
	Text (BAB I) BAB I.pdf Download (185kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (814kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (275kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (880kB)
	Text (BAB V) BAB V.pdf Download (72kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (226kB)
	Archive (SOURCE CODE) Source Code - Pandu Wirabuana.zip Restricted to Repository staff only Download (154kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (630kB)

Abstract

Dalam era digital seperti sekarang, ulasan dan komentar tentang pengalaman berkunjung ke objek wisata salah satunya TKL Ecopark semakin banyak diungkapkan oleh pengunjung. Ulasan ini dapat menjadi sumber informasi berharga bagi manajemen objek wisata dalam meningkatkan kualitas pelayanan dan mengembangkan objek wisata mereka. Namun, jumlah review yang banyak dan beragam serta sulitnya menentukan keakuratan dari setiap review membuat pengolahan informasi menjadi sulit. Penelitian ini mengambil data dari review google maps objek wisata TKL Ecopark yang akan diklasifikasikan menggunakan SVM. Sebelum proses klasifikasi dimulai ada alur proses untuk mendapatkan data yang bersih sehingga dapat diklasifikasikan dengan baik, alur proses tersebut yaitu proses pengumpulan data pada review objek wisata TKL Ecopark, lalu data yang sudah di kumpulkan akan dibersihkan melalui preprocessing supaya data mudah untuk diolah dan diklasifikasikan, setelah data melalui tahap preprocessing data akan dilabelling menjadi dua kelas menggunakan lexicon yaitu kelas positif dan negatif, data yang sudah dilabeling tadi lalu akan dibagi menjadi data latih dan data uji secara random dan dengan rasio tertentu, setelah itu data akan diberikan pembobotan kata menggunakan TF-IDF, setelah data melalui tahapan-tahapan tersebut baru akan dimasukan kedalam proses SMOTE yaitu menyeimbangkan data positif dan negatif lalu data akan diklasifikasikan menggunakan Support Vector Machine (SVM), data juga akan diaklasifikasikan tanpa menggunaakn SMOTE supaya peneliti dapat membandingkan apakah SMOTE dapat menaikan nilai akurasi SVM setelah itu akurasi akan dihitung kembali akurasinya menggunakan confusion matrix. Penelitian ini dapat memberikan manfaat kepada calon pengunjung dan pengurus objek wisata TKL Ecopark dalam memantau analisis sentimen terkait data ulasan yang sudah diolah. Selain itu Hasil dari penelitian ini dapat menjadi acuan untuk peneliti selanjutnya dalam pengembangan metode analisis sentimen menggunakan SVM. Hasil pengujian pada proses labeling didapatkan sentimen positif sebesar 70,2% dan sentimen negatif 29,8% berdasarkan review google maps pada TKL Ecopark memiliki tanggapan positif pada rentan 01 Januari 2022 hingga 01 Februari 2023. Pengujian SVM pada penelitian ini dilakukan sebanyak 6 kali percobaan menggunakan SMOTE dan tanpa SMOTE dan menghasilkan tingkat rata-rata akurasi SVM lebih dari 79%. Dari data yang sudah diolah akurasi SVM mengalami kenaikan akurasi pada saat menggunakan SMOTE, hal ini juga dipengaruhi pembagian data sesuai rasio yang sudah ditentukan.

Actions (login required)

View Item