<![CDATA[Penelitian ini bertujuan mengklasifikasikan sentimen ulasan destinasi wisata di Kabupaten Sumenep menggunakan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) dan algoritma Support Vector Machine (SVM), serta menilai kinerja model pada distribusi kelas yang tidak seimbang. Data diperoleh melalui web scraping ulasan enam destinasi wisata pada Google Maps. Dari 797 ulasan yang terkumpul, sebanyak 725 ulasan digunakan setelah data tanpa teks dan ulasan dengan peringkat tiga dikeluarkan. Peringkat empat dan lima diberi label positif, sedangkan peringkat satu dan dua diberi label negatif. Praproses teks meliputi case folding, pembersihan teks, normalisasi kata, penghapusan stopword, dan stemming. Teks kemudian direpresentasikan menggunakan TF-IDF dengan maksimum 3.000 fitur berupa unigram dan bigram. Klasifikasi dilakukan menggunakan SVM dengan kernel linear, parameter , dan bobot kelas balanced. Dataset akhir terdiri atas 643 ulasan positif dan 82 ulasan negatif. Model menghasilkan akurasi 87,50%, nilai F1 tertimbang 85,61%, nilai F1 makro 59,09%, dan balanced accuracy 57,42%. Recall kelas positif mencapai 96,09%, sedangkan recall kelas negatif hanya 18,75%. Model menunjukkan performa yang tinggi dalam mengenali ulasan positif, tetapi belum memadai dalam mendeteksi ulasan negatif. Ketimpangan kelas dan keterbatasan variasi ulasan negatif masih memengaruhi hasil klasifikasi, sehingga evaluasi model perlu mempertimbangkan metrik per kelas, bukan hanya akurasi keseluruhan.]]>
Copyrights © 2026
