Klasifikasi tempat wisata di Indonesia berdasarkan sentimen ulasan pengunjung menggunakan algoritma Bidirectional Encoder Representations From Transformers

Millah, Rd. Imam Saepul (2025) Klasifikasi tempat wisata di Indonesia berdasarkan sentimen ulasan pengunjung menggunakan algoritma Bidirectional Encoder Representations From Transformers. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_Cover.pdf Download (48kB) | Preview
Preview	Text (ABSTRAK) 2_Abstrak.pdf Download (26kB) | Preview
Preview	Text (PLAGIARISM) 3_Skbebasplagiarism.pdf Download (945kB) | Preview
Preview	Text (DAFTAR ISI) 4_DaftarIsi.pdf Download (183kB) | Preview
Preview	Text (BAB I) 5_Bab1.pdf Download (340kB) | Preview
	Text (BAB II) 6_Bab2.pdf Restricted to Registered users only Download (178kB) | Request a copy
	Text (BAB III) 7_Bab3.pdf Restricted to Registered users only Download (311kB) | Request a copy
	Text (BAB IV) 8_Bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 9_Bab5.pdf Restricted to Registered users only Download (26kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_DaftarPustaka.pdf Restricted to Registered users only Download (104kB) | Request a copy
	Text (LAMPIRAN) 11_Lampiran.pdf Restricted to Repository staff only Download (943kB) | Request a copy

Abstract

Perkembangan sektor pariwisata di Indonesia menghasilkan volume ulasan pengunjung pada platform digital yang sangat besar, sehingga sering kali menimbulkan information overload. Kondisi ini menyulitkan wisatawan dalam menyaring informasi yang relevan dan pengelola destinasi untuk memahami persepsi publik secara efisien. Penelitian ini bertujuan untuk membangun dan mengevaluasi model klasifikasi tempat wisata di Indonesia berdasarkan sentimen pada ulasan pengunjung menggunakan algoritma Bidirectional Encoder Representations from Transformers (BERT). Metodologi yang digunakan adalah Cross-Industry Standard Process for Data Mining (CRISP-DM), yang mencakup tahap pengumpulan data ulasan dari Google Maps dan Tripadvisor, persiapan data, pemodelan, hingga evaluasi. Ulasan diklasifikasikan ke dalam dua kategori, yaitu sentimen positif dan negatif. Hasil penelitian menunjukkan bahwa model IndoBERT yang dikembangkan mampu mencapai kinerja sangat tinggi dengan tingkat akurasi terbaik sebesar 96,64%. Meskipun demikian, analisis lebih lanjut menunjukkan adanya pengaruh kuat dari ketidakseimbangan data, di mana model sangat unggul dalam mengenali kelas mayoritas (positif) namun belum optimal pada kelas minoritas (negatif). Penelitian ini membuktikan bahwa algoritma BERT sangat efektif untuk analisis sentimen berbahasa Indonesia dalam konteks pariwisata dan dapat menjadi landasan untuk pengembangan sistem informasi destinasi yang lebih cerdas dan berbasis data.

Actions (login required)

View Item