<![CDATA[Pariwisata memainkan peran penting dalam pembangunan ekonomi suatu negara, dengan Indonesia menjadi rumah bagi banyak destinasi wisata yang beragam dan menarik. Dengan keindahan alam dan kekayaan budaya, Indonesia menarik pengunjung baik domestik maupun internasional. Pada awal tahun 2023, jumlah wisatawan mancanegara yang mengunjungi Indonesia mengalami peningkatan signifikan setelah pandemi, menyoroti pemulihan sektor ini. Pengembangan pariwisata di Indonesia terintegrasi secara sistematis dalam perencanaan nasional, dengan fokus pada peningkatan produk, layanan, dan daya tarik wisata secara keseluruhan. Nusa Tenggara Barat, khususnya Lombok Tengah, diakui memiliki potensi pariwisata yang luar biasa, dengan Bukit Merese sebagai destinasi populer. Pulau Lombok, yang dikenal dengan pantainya yang masih alami, situs budaya, dan pengalaman kuliner, terus menjadi tujuan utama wisatawan. Sebuah destinasi wisata yang sukses bergantung pada tiga komponen utama: atraksi, aksesibilitas, dan fasilitas. Kombinasi faktor-faktor ini memastikan pengalaman pariwisata yang terkelola dengan baik. Di era digital ini, penggunaan teknologi telah memberikan dampak signifikan pada pariwisata, dengan internet memudahkan akses informasi. Google Maps telah muncul sebagai platform yang sangat berharga di mana wisatawan berbagi opini dan ulasan mereka, memberikan umpan balik penting untuk perbaikan layanan pariwisata. Analisis sentimen, yang melibatkan ekstraksi dan analisis opini dari data teks, adalah alat yang efektif untuk memahami umpan balik wisatawan. Penelitian ini menggunakan metode Naïve Bayes untuk menganalisis sentimen dari ulasan di Google Maps tentang Bukit Merese, dengan tujuan untuk mengklasifikasikan opini sebagai positif, negatif, atau netral. Penelitian ini memberikan wawasan yang berharga tentang sentimen wisatawan, yang dapat memandu pengembangan pariwisata di Lombok Tengah, memberikan manfaat bagi otoritas pariwisata lokal, dan berkontribusi pada strategi pembangunan daerah. Penerapan metode Naïve Bayes memastikan klasifikasi sentimen yang akurat dan efisien, menjadikannya pendekatan yang ideal untuk menangani dataset yang besar.]]>
Copyrights © 2024
