<![CDATA[Bidang pariwisata saat ini juga sudah sangat terpengaruh oleh kemajuan teknologi dan internet, banyak dampak positif yang dirasakan dibidang pariwisata. TripAdvisor adalah platform wisata terbesar di dunia yang membantu wisatawan mengoptimalkan potensi setiap perjalanan, ulasan pada TripAdvisor mengandung berbagai aspek penilaian dan berupa mixed sentiment (seperti positif dan negatif). Untuk itu, perlu adanya Klasifikasi ulasan TripAdvisor pada tempat wisata sehingga dapat diketahui aspek penilaian apa saja yang sering dibahas oleh para pengunjung dan dapat menentukan penilaian secara spesifik apakah ulasan tersebut positif atau negatif.Penelitian ini menggunakan metode Naïve Bayes Classifier Model ini sangat cepat dalam pelatihan dan dapat digunakan pada dataset yang lebih kecil. Meskipun merupakan model yang sederhana, namun metode ini mampu menghasilkan akurasi yang cukup tinggi. Dalam penelitian ini penulis juga menggunakan tambahan Fitur selection mutual information, MI digunakan dalam mengukur kontribusi sebuah term terhadap kategori yang tepat berdasarkan kehadiran atau ketidakhadiran. klasifikasi yang dilakukan dengan metode naïve bayes classifier dengan tambahan seleksi fitur mendapatkan nilai akurasi sebesar 85,86 %, sedangkan tanpa menggunakan seleksi fitur mutual information dan memperoleh akurasi sebesar 83,80%, berdasarkan kedua klasifikasi yang telah dilakukan, diperoleh selisih akurasi sebesar 2.06%, yang artinya proses klasifikasi dengan menggunakan seleksi fitur mutual information dapat menaikkan akurasi sebesar 2,06%.]]>
Copyrights © 2022
