Analisis Sentimen Menggunakan Naive Bayes Untuk Melihat Review Masyarakat Terhadap Tempat Wisata Pantai Di Kabupaten Karawang Pada Ulasan Google Maps
DOI:
https://doi.org/10.35969/interkom.v16i4.192Keywords:
Analisis Sentimen, Naive Bayes, Wisata Pantai, Review, RapidminerAbstract
Karawang memiliki beberapa tempat wisata salah satunya adalah pantai. Tempat wisata tersebut bisa dilakukan analisis sentimen untuk mengetahui tempat wisata tersebut positif atau negatif. Pantai yang akan dianalisis sentimennya ada 5 pantai yaitu pantai Cibendo, pantai Pakis, pantai Samudera Baru, pantai Sedari dan pantai Tanjung Baru. Tujuan penelitian ini adalah untuk mengetahui review masyarakat terhadap destinasi pantai di Karawang. Review diambil pada situs google maps, dengan menggunakan algoritma classifier naive bayes. Dalam menganalisis sentimen menggunakan aplikasi RapidMiner. Berdasarkan hasil analisis yang telah dilakukan bahwa 2 dari 5 pantai mendapat review negatif yaitu pantai Cibendo mendapat 0,550 dan pantai Tanjung Baru 0,650. Dan 3 pantai lainnya mendapat lebih banyak review positif.
Downloads
References
P. A. Duxanda and D. Ratnaningrum, “Wahana Dunia Permainan Tradisional Dan Modern,” J. Sains, Teknol. Urban, Perancangan, Arsit., vol. 1, no. 1, p. 636, 2019, doi: 10.24912/stupa.v1i1.3955.
Https://jabarprov.go.id, “Profil Daerah Kabupaten Karawang,” Pemerintah Provinsi Jawa Barat, 2017. [Online]. Available: https://jabarprov.go.id/index.php/pages/id/1055. [Accessed: 01-Dec-2022].
F. U. Haq, “Penggunaan Google Review Sebagai Penilaian Kepuasan Pengunjung Dalam Pariwisata,” Tornare, vol. 2, no. 1, p. 10, 2020, doi: 10.24198/tornare.v2i1.25826.
T. A. Lorosae and B. D. Prakoso, “Analisis Sentimen Berdasarkan Opini Masyarakat pada Twitter Menggunakan Niave Bayes,” Semin. Nas. Teknol. Inf. dan Multimed., pp. 25–30, 2018.
F. Gunawan, M. A. Fauzi, and P. P. Adikara, “Analisis Sentimen Pada Ulasan Aplikasi Mobile Menggunakan Naive Bayes dan Normalisasi Kata Berbasis Levenshtein Distance (Studi Kasus Aplikasi BCA Mobile),” Syst. Inf. Syst. Informatics J., vol. 3, no. 2, pp. 1–6, 2017, doi: 10.29080/systemic.v3i2.234.
A. Andika, “Analisis Iklan Spanduk sebagai Alat Mengatasi Penyebaran Covid-19,” UIN RADEN FATAH PALEMBANG, 2021.
B. Gunawan, H. S. Pratiwi, and E. E. Pratama, “Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes,” J. Edukasi dan Penelit. Inform., vol. 4, no. 2, p. 113, 2018, doi: 10.26418/jp.v4i2.27526.
B. Liu, “Sentiment Analysis and Opinion Mining,” Synsthesis Lect. Hum. Lang. Technol., vol. 5(1), pp. 1–167, 2012.
A. Esuli and F. Sebastian, “Sentiwordnet,” A Public Available Lex. Resour. Opin. Min., vol. 6, pp. 417–422, 2012.
A. Imron, “Analisis Sentimen Terhadap Tempat Wisata di Kabupaten Rembang Menggunakan Metode Naive Bayes Classifier,” Tek. Inform. Univ. Islam Indones., 2019.
A. M. Ignatius and T. Yosafat, “No Title,” Businessand Audit Inf. Syst., vol. 3, no. 1, pp. 42–50, 2020.
W. Yanuartha, “Pengembangan Sistem Peta Digital Tentang Sebaran Penduduk Miskin Di Kalimantan Timur (Studi Kasus Kota Samarinda Dan Balikpapan),” Metik J., pp. 1–5, 2019.
K. F. Irnanda and A. P. Windarto, “Penerapan Klasifikasi C4.5 Dalam Meningkatkan Kecakapan Berbahasa Inggris dalam Masyarakat,” Semin. Nas. Teknol. Komput. Sains, pp. 304–308, 2020.
C. J, “Education Research, Planing, Conducting, and evaluating Quantitatvie and Qualitative research,” 2008.
M. R. Mahayani, A. Kurniawan, and N. W. Nurwarsi, “Perencanaan dan Perancangan Pusat Penampungan dan Pelatihan Tunawisma Di Kota Denpasar, Bali,” UNDAGI J. Ilm. Arsit. Univ. Warmadewa, vol. 9, no. 1, pp. 30–39, 2021.
A. Nurhayatul K, “Analisa Sentimen Pelanggan Tokopedia Menggunakan Algoritma Naive Bayes Berdasarkan Review Pelanggan,” Simki-Techsain, vol. 01, no. 06, 2017.
A. M. Yusuf, H. Hasmizal, and N. Dini, “Sistem Informasi Perhitungan Penyusutan Aktiva Tetap Menggunakan Metode Garis Lurus Berbasis Vb.Net Pada CV Ginanjar Sejahtera Mandiri Karawang,” J. Interkom J. Publ. Ilm. Bid. Teknol. Inf. dan Komun., 2021.
