PEMANFAATAN ANALISIS SENTIMEN UNTUK PEMERINGKATAN POPULARITAS TUJUAN WISATA
Article Sidebar
Read Counter : 1772
Download : 1148
Main Article Content
Abstract
Saat ini, hampir seluruh industri tidak terkecuali industri pariwisata pasti bersentuhan dengan teknologi informasi. Peranan teknologi dalam meningkatkan industri pariwisata di Indonesia sangat erat kaitannya. Selama berwisata, wisatawan juga dapat membagikan pengalamannya melalui upload foto maupun aktif berkomentar baik di media sosial maupun di forum diskusi yang khusus membahas tentang pariwisata. Informasi seputar kondisi pariwisata, pengalaman wisatawan, opini serta foto yang di upload dari tempat wisata, dapat diolah menjadi suatu informasi yang sangat bermanfaat, salah satunya adalah dapat dimanfaatkan untuk pemeringkatan popularitas. Untuk itu diperlukan suatu sistem yang dapat memberikan informasi tentang popularitas tujuan wisata. Informasi yang dihasilkan sangat bermanfaat untuk semua kalangan, mulai dari wisatawan, masyarakat, pemerintah, hingga industri pariwisata. Dalam penelitian ini dibuat rancangan sistem yang dapat menentukan peringkat tujuan wisata yang paling populer dengan memanfaatkan analisis sentimen. Ada lima komponen penilaian untuk menghasilkan nilai akhir dari peringkat popularitas yaitu comment count, facebook likes count, facebook were here count, facebook talking about dan instagram visitor. Pada penelitian ini, peneliti memutuskan untuk menggunakan strategi klasifikasi berdasarkan pada algorima naïve bayes (NB) karena merupakan suatu metode yang sederhana dan intuitif yang kinerjanya mirip dengan pendekatan lain. Selain itu, berdasarkan penelitian-penelitian terdahulu, NB menggabungkan efisiensi waktu kinerja yang optimal yang cukup akurat.
Article Details
JPPI provides immediate open access to its content on the principle that making research freely available to the public to supports a greater global exchange of knowledge.
JPPI by MCIT/Kemenkominfo is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. Permissions beyond the scope of this license may be available at https://kominfo.go.id/.
References
Davis, E. 2012. Naive Bayes for Classifying Text. New York City, New York, USA.
Ediger, Brad, 2008. Advanced Rails, O'Reilly Media, Inc, California, USA
Gamallo, Pablo and Fernandez-Lanza, Santiago. 2013. TASS: A Naive-Bayes strategy for sentiment analysis on Spanish tweets. In Workshop on Sentiment Analysis at SEPLN (TASS2013), 126–132, Madrid, Spain.
Han, J. dan M. Kamber. 2006. Data Mining: Concepts and Techniques, Second Edition. Morgan Kaufmann Publishers. San Francisco.
Larose, D.T. 2005. Discovering Knowledge in Data: An Introduction to Data Mining. John Willey & Sons, Inc.
Liu, B. 2012. Opinion Mining. Chicago, United States of America.
Pak, Alexander and Paroubek, Patrick. 2010. Twitter as a Corpus for Sentiment Analysis and Opinion Mining. In LREC-2010, Valletta, Malta.
Pang, B. and Lee, L.,2008, Opinion mining and sentiment analysis in Foundations and Trends in Information Retrieval 2(1-2), 1–135.
Santosa, B. 2007. Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis. Graha Ilmu. Yogyakarta.
Sumartini Saraswati, N. W. 2011. Text Mining dengan Metode Naive Bayes Classifier dan Support Vector Machines untuk Sentiment Analysis. Denpasar, Bali, Indonesia.
TALA, F. Z. 2003. A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia. Ph.D. Thesis. Universiteit van Amsterdam.
Triawati, C. 2009. Text Mining. Bandung, Jawa Barat, Indonesia.
Turban, E., J.E. Aronson dan T.P. Liang. 2005. Decision Support System and Intelligent Systems - 7th ed. Pearson Education, Inc. Pearson Education, Inc.