Penerapan SVM untuk Menganalisis Sentimen Masyarakat Terhadap Wisata Blitar

Vina  Febriyani; Harliana Harliana; Fatra  Nonggala Putra; RDR  Yusron; Tito  Prabowo

Authors

Vina Febriyani Universitas Nahdlatul Ulama Blitar Author
Harliana Harliana Universitas Nahdlatul Ulama Blitar Author
Fatra Nonggala Putra Universitas Nahdlatul Ulama Blitar Author
RDR Yusron Universitas Nahdlatul Ulama Blitar Author
Tito Prabowo Universitas Nahdlatul Ulama Blitar Author

Keywords:

Analisis Sentimen, SVM, Sosial Media, Twitter, Wisata Blitar

Abstract

Blitar, known as Patria City and Proclaimer City, has various interesting tourist destinations covering history, culture, nature, culinary and modern tourism. The rapid development of social media has changed the way people get information and express their opinions, so sentiment analysis from social media has become important for understanding public opinion. This research aims to analyze public sentiment towards tourism in Blitar using the SVM algorithm with data obtained from social media Twitter. The research results show that the SVM algorithm is effective in classifying sentiment from tweet data. The classification results produce a positive sentiment class and a negative sentiment class, with the test results of visitor reviews of tourism in Blitar being more dominant with positive sentiment reviews. Apart from that, testing carried out using k-fold cross validation also produced the best accuracy at fold 10

Downloads

Download data is not yet available.

References

T. Widodo, “Hubungan Tutupan Lahan Terhadap ketersediaan Air di Kecamatan Kanigoro Kabupaten Blitar,” Briliant J. Ris. dan Konseptual, vol. 5, no. 4, p. 851, 2020, doi: 10.28926/briliant.v5i4.535.

D. Vebri Rukmana, D. Kunto Nurkukuh, and D. Wismoro, “Efektivitas Fungsi Ekologis Taman Kota Blitar Berdasarkan Persepsi Masyarakat,” Matra, vol. 1, no. 1, pp. 94–104, 2020.

M. Billah, S. Rusmawati, and A. R. Utomo, “Pemberdayaan Masyarakat Melalui Destination Branding Kawasan Wisata Kuliner Lawu Kauman Kota Blitar,” Citiz. J. Ilm. Multidisiplin Indones., vol. 2, no. 3, pp. 444–452, 2022, doi: 10.53866/jimi.v2i3.122.

S. Sugiarto, E. Triandini, P. F. Nuryananda, A. F. E. Yonce, C. A. Putra, and A. M. Rizki, “Pendampingan Pemetaan dan Pengemasan Wisata Cagar Budaya di Kabupaten Blitar,” J. Pengabdi. Multidisiplin, vol. 2, no. 3, pp. 74–78, 2022, doi: 10.51214/japamul.v2i3.299.

R. E. Wulandari, Y. Yatmin, and A. Budianto, “Goa Umbul Tuk Sebagai Tempat Wisata Bersejarah di Blitar Selatan,” in Prosiding SEMDIKJAR, 2022, vol. 5, pp. 709–715.

A. N. Annisa et al., “BUDIKDAMBER Sebagai Upaya Pengembangan Potensi Ekowisata Bukit Pertapaan, Desa Bagelenan, Kabupaten Blitar,” Media Gizi Kesmas, vol. 11, no. 2, pp. 8–9, 2022.

S. Febrianti Rahayu, “Makna Grebeg Pancasila Sebagai Upaya Pelestarian Nilai Pancasila di Kota Blitar,” Sumbula J. Stud. Keagamaan, Sos. dan Budaya, vol. 7, no. 1, pp. 169–179, 2022, doi: 10.32492/sumbula.v7i1.4877.

A. Zunaidi et al., “Upaya Menambah Daya Tarik Objek Wisata Melalui Rancangan Spot Foto Pantai Pasetran Gondo Mayit Blitar,” J. Ilm. Pangabdhi, vol. 8, no. 2, pp. 81–86, 2022, doi: 10.21107/pangabdhi.v8i2.16550.

A. Z. Nisak, N. A. Rohmah, and R. M. I. Indana, “Pengelolaan Obyek Wisata Sumur Amber di Desa Kandangan Kec Srengat Kab Blitar,” Panor. J. Kaji. Pariwisata, vol. 1, no. 2, 2024, doi: 10.34833/panorama.v1i2.3016.

R. W. Apsari, E. N. Billah, and N. Insani, “Dampak Covid-19 Terhadap Pengelolaan Agrowisata Perkebunan Teh Sirah Kencong Kabupaten Blitar sebagai Obyek Wisata Berkelanjutan,” EDUTOURISM J. Tour. Res., vol. 2, no. 02, pp. 61–72, 1970, doi: 10.53050/ejtr.v2i02.139.

D. W. S. Rahayu and A. D. S. Hamidah, “Analisis Daya Tarik Atmosfer Instagramable untuk Menarik Minat Kunjung Kembali Wisatawan di Blitar Park,” J. Simki Econ., vol. 7, no. 1, pp. 31–40, 2024, doi: 10.29407/jse.v7i1.480.

A. Andriani and T. Sa’adah, “Peran Strategi Diferensiasi dalam Meningkatkan Jumlah Wisatawan (Studi Kasus Kampung Coklat Blitar),” Al-Muraqabah J. Manag. Sharia Bus., vol. 1, no. 1, pp. 65–78, 2021, doi: 10.30762/almuraqabah.v1i1.145.

A. Putra and R. Latifah, “Analisis Sentimen Pengguna Twitter Terhadap Aplikasi Pinjaman Online Menggunakan Metode Support Vector Machine,” Semin. Nas. Penelit. LPPM UMJ, pp. 1–7, 2022.

N. A. Salsabila, “Analisis Sentimen Pada Media Sosial Twitter Terhadap Tokoh Gus Dur Menggunakan Metode Naive Bayes dan SVM,” Universitas Islam Negeri Syarif Hidayatullah, 2022.

A. Muzaki and A. Witanti, “Sentiment Analysis of the Community in the Twitter To the 2020 Election in Pandemic Covid-19 By Method Naive Bayes Classifier,” J. Tek. Inform., vol. 2, no. 2, pp. 101–107, 2021, doi: 10.20884/1.jutif.2021.2.2.51.

S. Juanita, “Analisis Sentimen Persepsi Masyarakat Terhadap Pemilu 2019 Pada Media Sosial Twitter Menggunakan Naive Bayes,” J. Media Inform. Budidarma, vol. 4, no. 3, p. 552, 2020, doi: 10.30865/mib.v4i3.2140.

R. Vindua and A. U. Zailani, “Analisis Sentimen Pemilu Indonesia Tahun 2024 Dari Media Sosial Twitter Menggunakan Python,” JURIKOM (Jurnal Ris. Komputer), vol. 10, no. 2, p. 479, 2023, doi: 10.30865/jurikom.v10i2.5945.

D. Darwis, E. S. Pratiwi, and A. F. O. Pasaribu, “Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia,” Edutic - Sci. J. Informatics Educ., vol. 7, no. 1, pp. 1–11, 2020, doi: 10.21107/edutic.v7i1.8779.

N. L. P. C. Savitri, R. A. Rahman, R. Venyutzky, and N. A. Rakhmawati, “Analisis Klasifikasi Sentimen Terhadap Sekolah Daring pada Twitter Menggunakan Supervised Machine Learning,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 1, pp. 47–58, 2021, doi: 10.28932/jutisi.v7i1.3216.

A. R. Maulana, S. H. Wijoyo, and Y. T. Mursityo, “Sekolah Dasar Dan Sekolah Menengah Pada Media Sosial Twitter Dengan Menggunakan Metode Word Embedding Dan Long Short-Term Memory Networks (LSTM),” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 3, pp. 523–530, 2023, doi: 10.25126/jtiik.2023106977.

R. Nooraeni, A. B. Safiruddin, A. F. Afifah, K. D. Agung, and N. N. Rosyad, “Analisis Sentimen Publik terhadap Sistem Zonasi Sekolah Menggunakan Data Twitter dengan Metode Naïve Bayes Classification,” Fakt. Exacta, vol. 12, no. 4, p. 315, 2020, doi: 10.30998/faktorexacta.v12i4.5205.

W. Khofifah, D. N. Rahayu, and A. M. Yusuf, “Analisis Sentimen Menggunakan Naive Bayes Untuk Melihat Review Masyarakat Terhadap Tempat Wisata Pantai Di Kabupaten Karawang Pada Ulasan Google Maps,” J. Interkom J. Publ. Ilm. Bid. Teknol. Inf. dan Komun., vol. 16, no. 4, pp. 28–38, 2022, doi: 10.35969/interkom.v16i4.192.

S. D. Utami and A. Erfina, “Analisis Sentimen Objek Wisata Bali Di Google Maps Menggunakan Algoritma Naive Bayes,” J. Sains Komput. Inform. (J-SAKTI, vol. 6, no. 1, pp. 418–427, 2022.

G. Fikri Baihaqi, D. E. Ratnawati, and B. T. Hanggara, “Analisis Sentimen Wisata Alun-Alun Kota Batu menggunakan Algoritma Support Vector Machine,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. Desember, pp. 6010–6018, 2022, [Online]. Available: http://j-ptiik.ub.ac.id

A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,” J. Teknoinfo, vol. 14, no. 2, p. 115, 2020, doi: 10.33365/jti.v14i2.679.

F. Bei and S. Sudin, “Analisis Sentimen Aplikasi Tiket Online Di Play Store Menggunakan Metode Support Vector Machine (Svm),” Sismatik, vol. 01, no. 01, pp. 91–97, 2021.

A. R. Ismail and Raden Bagus Fajriya Hakim, “Implementasi Lexicon Based Untuk Analisis Sentimen Dalam Menentukan Rekomendasi Pantai Di DI Yogyakarta Berdasarkan Data Twitter,” Emerg. Stat. Data Sci. J., vol. 1, no. 1, pp. 37–46, 2023, doi: 10.20885/esds.vol1.iss.1.art5.