Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Anastasya Nurfitriyani Hidayat
Institut Teknologi Sumatera
Computer Science & IT

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

Found 1 Documents
Search

 1 
Analisis Sentimen Berbasis Aspek pada Ulasan Pariwisata Menggunakan Varian Algoritma K-Nearest Neighbor: Aspect-Based Sentiment Analysis of Tourism Reviews Using Variants of the K-Nearest Neighbor Algorithm Anastasya Nurfitriyani Hidayat; Ahmad Luky Ramdani; Luluk Muthoharoh
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 2 (2026): MALCOM April 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i2.2522

Abstract

Sektor pariwisata merupakan sektor kunci dalam pembangunan daerah dan kesejahteraan masyarakat. Ulasan pengunjung penting karena memberikan informasi yang membantu meningkatkan kualitas objek wisata. Penelitian ini bertujuan untuk melakukan analisis sentimen berbasis aspek pada objek wisata di Kabupaten Samosir dengan fokus pada tiga aspek utama, yaitu atraksi (attractions), amenitas (amenity), dan aksesibilitas (accessibility) berdasarkan ulasan pengunjung di Google Maps. Berdasarkan hasil eksperimen aspek objek wisata, Modified K-Nearest Neighbor (MKNN) mencapai akurasi 55,50%, presisi 62,28%, recall 80,03%, dan F1-Score 59,96%, sedangkan K-Nearest Neighbor (KNN) mencapai akurasi 74%, presisi 65,17%, recall 84,64%, dan F1-Score 70,45%. Untuk aspek kenyamanan, MKNN mencapai akurasi 89,50%, presisi 87,71%, recall 85,19%, dan F1-Score 86,27%, sedangkan KNN menghasilkan akurasi 92,50%, presisi 93,54%, recall 86,99%, dan F1-Score 89,83%. Pada aspek Aksesibilitas, MKNN memperoleh akurasi 85,50% dengan presisi 77,53%, recall 72,44%, dan F1-Score 74,71%, sedangkan KNN mencapai akurasi 86,50%, presisi 79,02%, recall 70,59%, dan F1-Score 74,05%. Dari sini terlihat bahwa model KNN masih menunjukkan performa yang lebih unggul dibandingkan dengan MKNN pada ketiga aspek yang dianalisis.
Co-Authors Luluk Muthoharoh Ramdani, Ahmad Luky