<![CDATA[Museum Provinsi Sumatera Utara menerima ulasan pengunjung secara terus-menerus melalui platform Google Maps, namun proses analisis ulasan secara manual tidak efektif akibat besarnya volume data. Penelitian ini bertujuan membangun sistem analisis sentimen berbasis web yang mampu mengklasifikasikan ulasan pengunjung secara otomatis ke dalam kategori positif, negatif, dan netral, serta menentukan prioritas perbaikan layanan berdasarkan hasil analisis tersebut. Data sebanyak 500 ulasan dikumpulkan menggunakan teknik web scraping melalui platform Apify. Data kemudian diproses melalui tahapan preprocessing teks yang meliputi case folding, cleaning, tokenizing, stopword removal, dan stemming, dilanjutkan dengan pembobotan fitur menggunakan TF-IDF (Term Frequency–Inverse Document Frequency) dan klasifikasi menggunakan algoritma Multinomial Naïve Bayes. Pelabelan sentimen dilakukan berdasarkan nilai rating pengunjung, yaitu rating 4–5 sebagai positif, rating 3 sebagai netral, dan rating 1–2 sebagai negatif. Hasil klasifikasi menggunakan data latih 80% dan data uji 20% menunjukkan akurasi sebesar 88,0%. Dari keseluruhan 500 ulasan, diperoleh 441 ulasan (88,2%) bersentimen positif, 28 ulasan (5,6%) netral, dan 31 ulasan (6,2%) negatif. Analisis aspek layanan berbasis keyword matching terhadap lima aspek—fasilitas, pelayanan, koleksi museum, kebersihan, dan aksesibilitas—menunjukkan bahwa aspek fasilitas dan pelayanan memperoleh jumlah sentimen negatif tertinggi masing-masing delapan ulasan sehingga menjadi prioritas utama perbaikan. Sistem yang dibangun telah diuji menggunakan metode Black Box Testing dan seluruh fungsi berjalan sesuai yang diharapkan. Hasil penelitian ini memberikan rekomendasi berbasis data bagi pengelola museum untuk meningkatkan kualitas layanan secara lebih terarah dan efektif.]]>
Copyrights © 2026
