Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer (BALOK)
Fatmawati
Fakultas Ilmu Komputer
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Objek Wisata Di Kabupaten Banggai Laut Menggunakan Metode Naive Bayes Fatmawati; Husdi; Kartika Chadra Pelangi
Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer Vol 5 No 1 (2026): Mei 2026
Publisher : Teknik Informatika Fakultas Ilmu Komputer Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37195/7c6fqd33

Abstract

Objek wisata adalah tempat yang dikunjungi karena keindahannya, tempat di mana aktivitas pariwisata dilakukan, tempat untuk bersenang-senang dalam waktu yang cukup lama demi mencapai kepuasan, menikmati pelayanan yang baik, dan membawa pulang kenangan indah dari tempat wisata tersebut. Di Kabupaten Banggai Laut, terdapat banyak objek wisata yang sangat menarik untuk aktivitas pariwisata, sehingga jumlah pengunjungnya meningkat setiap tahunnya. Pembahasan mengenai objek wisata Kabupaten Banggai Laut sangat menarik perhatian masyarakat setempat, sehingga banyak sekali komentar-komentar masyarakat mengenai objek wisata yang ada di Banggai Laut sendiri. Banyaknya opini mengenai objek wisata yang ada di Banggai Laut ini membuat adanya kesulitan dalam menentukan sentimen dari komentar-komentar secara manual. Oleh karena itu, diperlukan analisis sentimen yang dapat mengklasifikasi komentar tersebut apakah cenderung bersifat positif atau negatif. Dalam hal ini, penulis menggunakan algoritma Naïve Bayes untuk mengklasifikasi permasalahan tersebut. Berdasarkan analisis sentimen yang telah dilakukan, maka dapat diketahui bahwa metode atau algoritma Naïve Bayes ini mampu mengklasifikasi komentar dengan hasil yang baik. Adapun akurasi yang dihasilkan pada analisis sentimen ini adalah sebesar 87% dengan pembagian data latih sebesar 90% dan data uji sebesar 10%. Dengan perolehan hasil akurasi tersebut, maka dapat dikatakan bahwa algoritma yang diusulkan ini memiliki tingkat diagnostik yang cukup baik
Co-Authors Husdi Kartika Chadra Pelangi