Klasifikasi Sentimen Ulasan Turis Terhadap Objek Wisata di Bali Menggunakan Support Vector Machine

Abstract

Pariwisata di Bali memainkan peran penting dalam perekonomian daerah, dan ulasan wisatawan dapat memberikan wawasan berharga terkait kualitas pengalaman yang dirasakan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan wisatawan berbahasa Inggris terhadap enam objek wisata di Bali, yaitu Pantai Kuta, Pantai Nusa Dua, Pantai Sanur, Tegalalang Rice Terrace, Pura Luhur Uluwatu, dan Pura Penataran Agung Lempuyang, dengan total data sebanyak 4.872 ulasan, masing-masing 812 ulasan per objek. Data diperoleh dari situs TripAdvisor dan Google Maps, dan dianalisis melalui tahapan web scraping, text preprocessing, transformasi menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta pemodelan dengan algoritma Support Vector Machine (SVM). Hasil evaluasi menunjukkan bahwa algoritma Support Vector Machine (SVM) mampu mengklasifikasikan sentimen dengan akurasi sebesar 93,95% saat menggunakan data yang seimbang dengan precision, recall dan F1-score untuk kedua kelas (Negative dan Positive) masing-masing mencapai 94%, dan akurasi sebesar 90,83% pada data yang tidak seimbang dengan kelas Positve memiliki recall dan F1-score yang lebih tinggi (94% dan 92%), sementara kelas Negative memiliki precision dan F1-score yang sedikit lebih rendah (91% dan 88%). Temuan ini menunjukkan bahwa model bekerja lebih optimal pada data dengan distribusi sentimen yang seimbang. Secara keseluruhan, algoritma Support Vector Machine (SVM) terbukti efektif dan akurat dalam menganalisis sentimen ulasan wisatawan terhadap objek wisata di Bali.   Kata kunci: Sentimen, Ulasan Wisatawan, Support Vector Machine (SVM), Objek Wisata, Bali