<![CDATA[Indonesia memiliki potensi pariwisata yang besar, termasuk di Kota Pontianak menawarkan wisata alam, sejarah, budaya, bahkan buatan. Platform seperti Google Maps dan TripAdvisor, memudahkan wisatawan dalam mencari informasi terkait ulasan objek wisata. Namun, ulasan-ulasan yang ada masih tidak terstruktur dan sulit diidentifikasi secara otomatis. Oleh sebab itu, penelitian ini mengembangkan sistem klasifikasi sentimen menggunakan BRNN yang memproses data teks secara dua arah. Analisis dilakukan dalam tiga kelas sentimen yaitu positif, netral, dan negatif. Dataset yang digunakan merupakan hasil Web Scraping pada Google Maps dan TripAdvisor sebanyak 11.125 ulasan yang kemudian diolah pada tahap Text Preprocessing. Dari hasil Text Mining, sentimen positif mendominasi ulasan yaitu 79,3% sedangkan sentimen netral 13,2% dan sentimen negatif 7,5% sehingga perlu dilakukan penyeimbangan data menggunakan SMOTE. Setelah tahap Word Embedding, model dilatih selama 100 epoch untuk melihat epoch optimal dan dievaluasi menggunakan confusion matrix. Model BRNN yang dilatih menggunakan semua data ulasan selama 90 epoch menghasilkan akurasi 71%, dengan precision tertinggi 88% dan terendah 21%, recall tertinggi 77% dan terendah 39%, serta f1-score tertinggi 82% dan terendah 27%. Hasil ini menunjukkan bahwa BRNN mampu melakukan klasifikasi sentimen dengan efektif dan dapat digunakan sebagai dasar analisis persepsi publik dalam pengembangan strategi pariwisata di Kota Pontianak. Kata kunci "” Analisis Sentimen, BRNN, SMOTE, Klasifikasi Multi-Kelas, Ulasan Objek Wisata]]>
