Rekayasa Aplikasi Rekomendasi Pencarian Lokasi Dan Analisis Sentimen Menggunakan Penambangan Teks
DOI:
https://doi.org/10.71302/jbidai.v7i2.66Kata Kunci:
Text Mining, Lokasi Wisata, Lokasi Kuliner, Naïve Bayes, Analisis SentimenAbstrak
Penelitian ini bertujuan untuk memberikan informasi dan penilaian mengenai tempat wisata serta kuliner yang populer di media sosial (Instagram dan Twitter). Proses penelitian menggunakan pendekatan text mining, dimulai dengan pemrosesan teks (case folding, tokenizing, stopword removal, dan stemming) untuk menyaring komentar. Selanjutnya, pembobotan dilakukan menggunakan metode TF-IDF guna menentukan relevansi kata. Proses klasifikasi komentar berdasarkan nama lokasi dilakukan dengan algoritma Naïve Bayes, dilanjutkan dengan analisis sentimen untuk menilai komentar positif, negatif, atau netral. Aplikasi penelitian dibangun menggunakan PHP dengan database MySQL dan memanfaatkan dataset sebanyak 73 komentar (17 untuk wisata dan 56 untuk kuliner) yang dihimpun dari media sosial. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi tempat wisata dan kuliner secara efektif berdasarkan analisis data
Referensi
[1] Handayanto, R. T. (2020). Data mining dan machine learning menggunakan matlab dan python.
[2] Silalahi, N., & Ginting, G. L. (2023). Rekomendasi Berita Berkaitan dengan Menerapkan Algoritma Text Mining dan TF-IDF. Bulletin of Computer Science Research, 3(4), 276-282.
[3] Ferryawan, R., Kusrini, K., & Wibowo, F. W. (2019). Analisis Sentimen Wisata Jawa Tengah Menggunakan Naϊve Bayes. Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat, 5(3), 55-60.
[4] Rahmadani, R., Rahim, A., & Rudiman, R. (2024). Analisis Sentimen Ulasan “Ojol The Game” Di Google Play Store Menggunakan Algoritma Naive Bayes Dan Model Ekstraksi Fitur Tf-Idf Untuk Meningkatkan Kualitas Game. Jurnal Informatika dan Teknik Elektro Terapan, 12(3).
[5] Annisa, L., & Kalifia, A. D. (2024). Analisis Teknik TF-IDF Dalam Identifikasi Faktor-Faktor Penyebab Depresi Pada Individu. Gudang Jurnal Multidisiplin Ilmu, 2(1), 302-307.
[6] Afda, A. (2024). Analisa Dokumen Menggunakan Metode TF-IDF. Jurnal Ekonomi Manajemen Sistem Informasi, 5(5), 461-465.
[7] Nurpandi, F., Sulaeman, F. S., & Hermawan, A. (2024). Analisis Sentimen Terhadap Kinerja Kepolisian Indonesia Menggunakan Metode Multinomial Naive Bayes, Long Short-Term Memory, dan Lexicon-Based. Media Jurnal Informatika, 16(1), 1-10.
[8] Huwaida, S. F., Kusumawati, R., & Isnaini, B. (2024). Analisis sentimen komentar youtube terhadap pemindahan ibu kota negara menggunakan metode Naïve Bayes. Jambura Journal of Informatics, 6(1), 26-39.
[9] Saprizal, A. M., & Anisa, N. (2024). Analisis Sentimen Tiktok: Wajib Militer dengan Metode Lexicon Based dan Naive Bayes Classifier. TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi, 4(2), 242-246.
[10] Yulianto, F., Junaedi, H., Tjandra, S., & Pascarini, A. (2021). Analisa Sentimen Untuk Mengidentifikasi Kecenderungan Radikalisme dengan Naive Bayes.
[11] Hermanto, A. (2016). Implementasi Text Mining Menggunakan Naive Bayes Untuk Penentuan Kategori Tugas Akhir Mahasiswa Berdasarkan Abstraksinya. Teknik Informatika Universitas, 17.
[12] Somantri, O., & Dairoh, D. (2019). Analisis Sentimen Penilaian Tempat Tujuan Wisata Kota Tegal Berbasis Text Mining. JEPIN (Jurnal Edukasi dan Penelitian Informatika), 5(2), 191-196.
[13] Putra, M. B. D., & Setiawan, E. (2024). Metode Lexicon Based Untuk Analisis Sentimen Pengguna Twitter Terhadap Kinerja Isp. JATI (Jurnal Mahasiswa Teknik Informatika), 8(6), 12079-12087.
[14] Saprizal, A. M., & Anisa, N. (2024). Analisis Sentimen Tiktok: Wajib Militer dengan Metode Lexicon Based dan Naive Bayes Classifier. TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi, 4(2), 242-246.
[15] Fauzan, F. J., Afdal, M., & Novita, R. (2024). Penerapan Machine Learning Pada Analisis Sentimen Aplikasi Mytelkomsel Mengunakan Data Ulasan Google Playstore. The Indonesian Journal of Computer Science, 13(3).
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
