<![CDATA[Pasca pandemi, pemulihan sektor pariwisata di Kabupaten Klungkung, khususnya pada Objek Wisata Kerta Gosa, sangat bergantung pada kemampuan pengelola dalam merespons umpan balik pengunjung secara akurat. Saat ini, ribuan ulasan yang tersebar di platform digital seperti Google Maps dan TripAdvisor menjadi aset data krusial, namun pemanfaatannya terhambat oleh volume data yang besar serta karakteristik linguistik yang tidak terstruktur. Tantangan utama muncul dari fenomena percampuran kode bahasa (code-mixing) antara Bahasa Indonesia dan Inggris yang menyulitkan metode klasifikasi konvensional. Penelitian ini bertujuan untuk mengatasi hambatan tersebut dengan mengimplementasikan analisis sentimen otomatis menggunakan arsitektur Deep Learning berbasis XLM-RoBERTa. Model transformer multibahasa ini dipilih secara spesifik karena keunggulannya dalam mengekstraksi representasi semantik lintas bahasa tanpa memerlukan tahapan penerjemahan awal, sehingga nuansa emosi asli pengunjung tetap terjaga. Melalui pendekatan metodologi SEMMA, dataset diproses dengan teknik normalisasi teks adaptif dan dilatih menggunakan skema pembagian data terstratifikasi. Hasil eksperimen menunjukkan performa model yang solid dengan capaian akurasi pengujian sebesar 91.37%, serta nilai F1-Score mencapai 87.26%. Analisis lebih lanjut pada ulasan negatif secara spesifik menyoroti dominasi keluhan terkait transparansi layanan tiket dan interaksi pemandu wisata, yang menjadi area prioritas bagi manajemen untuk pembenahan. Temuan ini menegaskan bahwa XLM-RoBERTa merupakan solusi yang efisien dan robust untuk sistem pemantauan kualitas layanan pariwisata berbasis data sentimen.]]>
Copyrights © 2026
