<![CDATA[Penelitian ini bertujuan mengklasifikasikan sentimen ulasan wisata Pantai Tanjung Lesung pada Google Maps untuk memperoleh informasi mengenai persepsi dan tingkat kepuasan pengunjung. Dua arsitektur machine learning diimplementasikan: Decision Tree sebagai model dasar dan eXtreme Gradient Boosting (XGBoost) sebagai model optimasi. Dataset diperoleh melalui web scraping dan diproses dengan tahapan preprocessing teks, pendekatan leksikon dengan penanganan negasi, serta pembobotan fitur TF-IDF berbasis unigram dan bigram. Untuk mengatasi ketidakseimbangan kelas digunakan Synthetic Minority Over-sampling Technique (SMOTE), dan optimasi hyperparameter dilakukan menggunakan GridSearchCV. Hasil eksperimental menunjukkan XGBoost mencapai akurasi terbaik sebesar 90,76%, lebih tinggi dibanding Decision Tree sebesar 87,95%. Visualisasi WordCloud mengindikasikan ulasan positif didominasi aspek keindahan alam dan kenyamanan. Temuan ini menegaskan bahwa kombinasi preprocessing teks, SMOTE, dan penalaan hyperparameter dapat meningkatkan performa klasifikasi sentimen pada ulasan wisata berbasis Google Maps.]]>
Copyrights © 2026
