Perbandingan Algoritma SVM dan Decision Tree untuk Analisis Sentimen Ulasan Google Maps Wisata Guci

Gilang Fajar Al-Fatih; Reza Dwi Cahya Kurniawan

doi:10.54914/jtt.v12i1.2652

Penulis

Gilang Fajar Al-Fatih Universitas Muhammadiyah Tegal
Reza Dwi Cahya Kurniawan Universitas Muhammadiyah Tegal

DOI:

https://doi.org/10.54914/jtt.v12i1.2652

Kata Kunci:

Analisis Sentimen, Decision Tree, Google Maps, SVM, Wisata Guci

Abstrak

Ulasan daring pada platform digital semakin memengaruhi pengambilan keputusan wisatawan. Penelitian ini bertujuan melakukan analisis sentimen terhadap ulasan pengunjung destinasi wisata Pemandian Air Panas Guci menggunakan algoritma machine learning. Sebanyak 1.127 ulasan dikumpulkan dari Google Maps dan diproses melalui tahapan preprocessing meliputi cleaning, case folding, normalisasi, tokenisasi, stopword removal, serta penghapusan data duplikat dan kosong. Pelabelan sentimen dilakukan menggunakan metode lexicon-based dengan tiga kategori: positif, negatif, dan netral. Dataset dibagi menjadi 80% data latih dan 20% data uji, kemudian diklasifikasikan menggunakan algoritma Support Vector Machine (SVM) dan Decision Tree (DT). Evaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa SVM memberikan performa lebih baik dengan akurasi 69,9% dan macro-average F1-score sebesar 0,680, dibandingkan Decision Tree dengan akurasi 64,2% dan macro-average F1-score sebesar 0,622. Temuan ini membuktikan bahwa SVM lebih efektif menangani data teks berdimensi tinggi, khususnya dalam membedakan ulasan netral yang bersifat ambigu. Penelitian ini memberikan wawasan berharga bagi pengelola wisata untuk meningkatkan kualitas layanan berdasarkan pola sentimen pengunjung.

Unduhan

Data unduhan belum tersedia.

Referensi

R. Onsu, D. S. Febrian, and F. K. Diane, “Implementasi BI-LSTM dengan Ekstraksi Fitur WORD2VEC untuk Pengembangan Analisis Sentimen Aplikasi Identitas Kependudukan Digital,” Jurnal Teknologi Terpadu, vol. 10, no. 1, pp. 46–55, 2024.

R. D. R. Apriliansyah, R. Astuti, W. Prihartono, and R. Hamonangan, “Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Pengunjung di Pantai Kejawanan,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 1, Jan. 2025, doi: 10.23960/jitet.v13i1.5774.

R. Y. Hayuningtyas and R. Sari, “Analisis Sentimen Opini Publik Bahasa Indonesia Terhadap Wisata TMII Menggunakan Naïve Bayes dan PSO,” Jurnal TECHNO Nusa Mandiri, vol. 16, no. 1, p. 37, 2019, [Online]. Available: http://nusamandiri.ac.id/

O. Somantri and Dairoh, “Analisis sentimen penilaian tempat tujuan wisata Kota Tegal berbasis text mining,” JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 5, no. 2, pp. 191–196, 2019.

R. Oktafiani and R. Rianto, “Perbandingan Algoritma Support Vector Machine (SVM) dan Decision Tree untuk Sistem Rekomendasi Tempat Wisata,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 9, no. 2, pp. 113–121, Aug. 2023, doi: 10.25077/teknosi.v9i2.2023.113-121.

D. Arianto and I. Budi, “Aspect-based sentiment analysis on Indonesia’s tourism destinations based on Google Maps user code-mixed reviews (study case: Borobudur and Prambanan Temples),” in Proc. 34th Pacific Asia Conf. Language, Information and Computation (PACLIC), Hanoi, Vietnam, pp. 359–367, Oct. 2020.

J. Ipmawati, S. Saifulloh, and K. Kusnawi, “Analisis Sentimen Tempat Wisata Berdasarkan Ulasan pada Google Maps Menggunakan Algoritma Support Vector Machine,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 1, pp. 247–256, Jan. 2024, doi: 10.57152/malcom.v4i1.1066.

A. R. Hakim, “Analisis Sentimen Objek Wisata di Google Maps Menggunakan Metode Decision Tree,” CBIS JOURNAL, vol. 12, no. 01, 2024, [Online]. Available: http://ejournal.upbatam.ac.id/index.php/cbishttp://ejournal.upbatam.ac.id/index.php/cbis

A. Ulfah and I. Najiah, “Implementasi Web Scraping pada Situs Jurnal Sinta Menggunakan Framework Selenium Webdriver Python,” JIKA (Jurnal Informatika), vol. 7, no. 1, p. 29, Feb. 2023, doi: 10.31000/jika.v7i1.7037.

S. Satriajati, S. B. Panuntun, and S. Pramana, “Implementasi web scraping dalam pengumpulan berita kriminal pada masa pandemi COVID-19 (studi kasus: situs berita detik.com),” in Proc. Semin. Nas. Official Statistics 2020: Statistics in the New Normal—A Challenge of Big Data and Official Statistics, pp. 300–308, 2020.

K. Maharana, S. Mondal, and B. Nemade, “A review: Data pre-processing and data augmentation techniques,” Global Transitions Proceedings, vol. 3, no. 1, pp. 91–99, Jun. 2022, doi: 10.1016/j.gltp.2022.04.020.

D. Bilianos and G. Mikros, “Sentiment analysis in cross-linguistic context: How can machine translation influence sentiment classification?,” Digital Scholarship in the Humanities, vol. 38, no. 1, pp. 23–33, Apr. 2023, doi: 10.1093/llc/fqac053.

C. P. Chai, “Comparison of text preprocessing methods,” Nat Lang Eng, vol. 29, no. 3, pp. 509–553, May 2023, doi: 10.1017/S1351324922000213.

A. Nigam, A. Dhruv, and F. J. Josephin S, “Text Pre-Processing And Feature Extraction Using NLP,” International Research Journal of Modernization in Engineering Technology and Science, vol. 03, no. 06, pp. 1550–1551, 2021, [Online]. Available: www.irjmets.com

A. Albladi, M. K. Uddin, M. Islam, and C. Seals, “TWSSenti: A Novel Hybrid Framework for Topic-Wise Sentiment Analysis on Social Media Using Transformer Models,” arxiv logo Login, pp. 1–41, Apr. 2025, [Online]. Available: http://arxiv.org/abs/2504.09896

D. Prasetia, N. Rahaningsih, R. D. Dana, and C. L. Rohmat, “Analisis Sentimen Pengguna Aplikasi Mybluebird dengan Algoritma Naïve Bayes di Playstore,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 1, Jan. 2025, doi: 10.23960/jitet.v13i1.5687.

T. M. Iryana and P. P. Adikara, “Analisis Sentimen Masyarakat Terhadap Mass Rapid Transit Jakarta Menggunakan Metode Naïve Bayes Dengan Normalisasi Kata,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 6, pp. 2548–964, 2021, [Online]. Available: http://j-ptiik.ub.ac.id

S. Ratnaswari, N. C. Wibowo, and D. S. Y. Kartika, “Analisis Sentimen Menggunakan Metode Lexicon-Based Dan Support Vector Machine pada Presiden dan Wakil Presiden Indonesia Periode 2024–2029,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 1, Jan. 2025, doi: 10.23960/jitet.v13i1.5604.

R. Rinandyaswara, Y. A. Sari, and M. T. Furqon, “Pembentukan Daftar Stopword Menggunakan Term Based Random Sampling pada Analisis Sentimen dengan Metode Naïve Bayes (Studi Kasus: Kuliah Daring Di Masa Pandemi),” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 9, no. 4, pp. 717–723, 2022, doi: 10.25126/jtiik.202294707.

S. A. Nugraha, “Penerapan Lexicon Based Untuk Analisis Sentimen Masyarakat Indonesia Terhadap Danantara,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 3, pp. 4949–4957, 2025.

C. A. Bahri and L. H. Suadaa, “Aspect-Based Sentiment Analysis in Bromo Tengger Semeru National Park Indonesia Based on Google Maps User Reviews,” IJCCS (Indonesian Journal of Computing and Cybernetics Systems), vol. 17, no. 1, p. 79, Feb. 2023, doi: 10.22146/ijccs.77354.

S. Fatimah, E. Purwanto, and H. Permatasari, “Analisis Sentimen Twitter Tentang Wisata di Kota Solo Twitter Sentiment Analysis About Tourism in the City of Solo,” Techno.COM, vol. 22, no. 4, pp. 854–869, 2023.

A. M. Pravina, I. Cholissodin, and P. P. Adikara, “Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine (SVM),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 3, pp. 2789–2797, 2019, [Online]. Available: http://j-ptiik.ub.ac.id

D. E. Safitri and A. S. Fitrani, “Implementasi Metode Klasifikasi dengan Algoritma Support Vector Machine Kernel Gaussian RBF untuk Prediksi Partisipasi Pemilu Terhadap Demografi Kota Surabaya,” Indonesian Journal of Business Intelligence (IJUBI), vol. 5, no. 1, p. 36, Jun. 2022, doi: 10.21927/ijubi.v5i1.2259.

B. Sugito and M. Iqbal, “Analisis Perbandingan Algoritma Klasifikasi Data Mining Untuk Penentuan Bibit Unggul,” Building of Informatics, Technology and Science (BITS), vol. 6, no. 3, pp. 1751–1759, Dec. 2024, doi: 10.47065/bits.v6i3.6199.

D. Hardiansyah, R. A. Aziz, and M. S. Hasibuan, “The Classification Method is Used for Sentiment Analysis in My Telkomsel,” International Journal of Artificial Intelligence Research, vol. 8, no. 2, p. 169, Dec. 2024, doi: 10.29099/ijair.v8i2.1229.

Henderi, Asro, A. Sulaiman, T. B. Kurniawan, D. A. Dewi, and M. Alqudah, “Utilizing Sentiment Analysis for Reflect and Improve Education in Indonesia,” Journal of Applied Data Sciences, vol. 6, no. 1, pp. 189–200, Jan. 2025, doi: 10.47738/jads.v6i1.527.

N. R. A. Putri, T. Trimono, and A. T. Damaliana, “Sentiment Analysis on Digital Korlantas POLRI Application Reviews Using the Distilbert Model,” Journal of Renewable Energy, Electrical, and Computer Engineering, vol. 4, no. 2, pp. 83–89, Oct. 2024, doi: 10.29103/jreece.v4i2.17197.

J. A. Wibowo, V. C. Mawardi, and T. Sutrisno, “Visualisasi Word Cloud Hasil Analisis Sentimen Berbasis Fitur Layanan Aplikasi Gojek dengan Support Vector Machine,” Jurnal Serina Sains, Teknik dan Kedokteran, vol. 2, no. 1, pp. 61–70, Mar. 2024, doi: 10.24912/jsstk.v2i1.32058.

E. N. Hamdana, A. O. Nur Wardani, and A. R. Tri Hayati Ririd, “Sentiment Analysis of Visitor Reviews on Google Maps at Kampung Coklat Tourism,” Journal of Artificial Intelligence and Software Engineering (J-AISE), vol. 5, no. 1, p. 274, Mar. 2025, doi: 10.30811/jaise.v5i1.6488.