<![CDATA[Penelitian ini mengeksplorasi penerapan algoritma Support Vector Machine (SVM) dalam Text Mining untuk analisis sentimen sektor pariwisata di Indonesia, menggunakan data dari platform Twitter. Data dikumpulkan melalui API Twitter dan diproses melalui tahapan prapemrosesan teks, termasuk tokenisasi, normalisasi, penghapusan stopword, dan stemming, untuk memastikan kesiapan data dalam analisis. Model SVM diuji dengan tiga kernel berbeda—linear, radial basis function (RBF), dan sigmoid—serta menggunakan rasio data latih-uji 7:3 dan 8:2. Hasil menunjukkan bahwa kernel linear dengan rasio 7:3 menghasilkan kinerja terbaik dengan akurasi 92,89%, precision 92%, recall 74%, dan F1-score 81%. Evaluasi berdasarkan kelas sentimen menunjukkan performa tinggi pada sentimen positif (F1-score 96%) tetapi moderat pada kelas netral (F1-score 67%), mencerminkan pengaruh ketidakseimbangan data. Penelitian ini memberikan kontribusi signifikan dalam mendukung pengambilan keputusan berbasis data untuk pengembangan sektor pariwisata. Temuan ini memungkinkan pengelola destinasi wisata untuk memahami opini wisatawan secara otomatis, menyusun strategi promosi yang lebih efektif, serta meningkatkan kualitas layanan. Dengan menerapkan analisis sentimen berbasis SVM, penelitian ini mendukung pengelolaan pariwisata berbasis data untuk meningkatkan daya saing destinasi wisata di Indonesia. Penelitian lanjutan disarankan untuk mengatasi ketidakseimbangan data melalui teknik resampling atau penerapan algoritma alternatif seperti deep learning, guna meningkatkan akurasi klasifikasi sentimen yang lebih kompleks. Dengan demikian, penelitian ini menjadi langkah strategis dalam memanfaatkan teknologi analitik untuk pengelolaan pariwisata yang lebih inovatif.]]>
Copyrights © 2024
