ANALISIS DINAMIKA SENTIMEN ULASAN DARING DAN KORELASINYA TERHADAP PENDAPATAN PARIWISATA MENGGUNAKAN SVM DENGAN OPTIMASI ADASYN-PSO

Nurramadhan, Ikhwan (2026) ANALISIS DINAMIKA SENTIMEN ULASAN DARING DAN KORELASINYA TERHADAP PENDAPATAN PARIWISATA MENGGUNAKAN SVM DENGAN OPTIMASI ADASYN-PSO. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER - ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (257kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (917kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (469kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf - Published Version Download (139kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (759kB)
	Archive (SOURCE CODE) Sourcecode - 22.11.5129.zip Restricted to Repository staff only Download (5MB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (778kB)

Abstract

Pergeseran tren pariwisata digital menjadikan ulasan daring (Electronic Word of Mouth) di Google Maps sebagai aset vital bagi Ekowisata Sungai Mudal. Sentimen ulasan pengunjung berdampak langsung pada citra destinasi dan stabilitas pendapatan pasca-pandemi. Namun, pengelola kesulitan memetakan ribuan data teks tidak terstruktur yang memiliki karakteristik sangat timpang (imbalanced data), di mana ulasan positif mendominasi. Kondisi ini memicu bias mayoritas pada algoritma standar, sehingga model gagal mendeteksi ulasan keluhan (minoritas) yang sebenarnya sangat krusial untuk evaluasi layanan. Penelitian ini mengusulkan model klasifikasi sentimen menggunakan algoritma Support Vector Machine (SVM) berbasis fitur TF-IDF. Untuk mengatasi bias mayoritas, teknik Adaptive Synthetic Sampling (ADASYN) diterapkan pada data latih guna membangkitkan data minoritas secara adaptif, dilanjutkan optimasi hyperparameter menggunakan Particle Swarm Optimization (PSO). Model diimplementasikan untuk memprediksi 4.037 ulasan periode 2019–2024. Selanjutnya, hasil prediksi tren persentase kepuasan diuji korelasinya terhadap fluktuasi rata-rata pendapatan bulanan menggunakan metode Pearson Product Moment. Hasil eksperimen menunjukkan bahwa integrasi ADASYN dan PSO berhasil mendongkrak sensitivitas model (Recall) dalam mendeteksi keluhan menjadi 29% dengan Akurasi Global terjaga di 87%. Uji statistik membuktikan adanya korelasi linier positif yang sangat kuat (r = 0,92) antara reputasi digital dan kinerja finansial. Artefak penelitian ini telah diimplementasikan menjadi aplikasi web interaktif berbasis cloud (Streamlit) yang dapat dimanfaatkan langsung oleh pengelola ekowisata untuk memantau kepuasan pengunjung secara mandiri.

Actions (login required)

View Item