Aplikasi Deteksi Topik Ulasan Wisatawan Pulau Merah dengan Pendekatan Analisis Sentimen Menggunakan Latent Dirichlet Allocation dan VADER
Tahun 2025 · Penulis: Johan Mahendra Syah Putra
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Pulau Merah merupakan salah satu destinasi wisata alam populer di Banyuwangi yang banyak dikunjungi wisatawan. Namun, opini publik mengenai destinasi ini sering kali tersebar secara tidak terstruktur dalam bentuk ulasan digital di platform seperti Google Maps. Hal ini menimbulkan kebutuhan akan sistem analisis otomatis yang mampu mengidentifikasi sentimen dan topik utama dari ulasan tersebut sebagai bahan evaluasi dan pengembangan pariwisata. Penelitian ini bertujuan membangun sistem berbasis web yang mampu melakukan analisis sentimen dan pemodelan topik terhadap ulasan wisatawan tentang Pulau Merah. Sistem ini dirancang untuk membantu mengelompokkan opini pengguna berdasarkan kecenderungan emosional (positif, negatif, netral) dan tema dominan yang muncul. Metode yang digunakan meliputi pengumpulan data ulasan secara otomatis melalui web scraping dengan Selenium. Setelah itu, dilakukan proses Preprocessing teks yang mencakup pembersihan data, normalisasi, Stemming, hingga tokenisasi. Analisis sentimen dilakukan menggunakan algoritma VADER, sedangkan model topik dibentuk dengan pendekatan Latent Dirichlet Allocation (LDA). Penentuan jumlah topik optimal dilakukan dengan menggunakan metrik coherence score c_uci. Hasil penelitian menunjukkan bahwa mayoritas ulasan bernada positif, dan tiga topik dominan berhasil diidentifikasi, yaitu keindahan alam, pengalaman pengunjung, serta suasana tenang yang dirasakan. Visualisasi distribusi topik dan sentimen ditampilkan dalam antarmuka web interaktif. Evaluasi performa sistem dilakukan menggunakan Confusion matrix dan coherence score, dengan hasil yang memadai untuk tujuan eksploratif.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,800
Tahun 2026 · Penulis: Fatimah Azzaroh
Analisis Sentimen dan Pemodelan Topik pada Ulasan Penggna Telemedicine Indonesia Menggunakan IndoBERT dan LDA
Peningkatan pemanfaatan layanan telemedicine di Indonesia menghasilkan ulasan pengguna dalam jumlah besar di Google Play Store. Ulasan tersebut berbentuk teks tidak terstruktur sehingga sulit diekstraksi secara manual, sementara penelitian terdahulu pada domai
- Cosine 0,786
Tahun 2025 · Penulis: Melly Oktafijana
Analisis Sentimen pada Instagram Terhadap Wisata di Kabupaten Banyuwangi Menggunakan Metode Support Vector Machine
Perkembangan teknologi dan media sosial digital saat ini semakin canggih dan menjadi bagian penting dalam kehidupan sehari-hari. Media sosial seperti Instagram menjadi platform informasi digital yang memudahkan masyarakat untuk bersosialisasi, mencari informas
- Cosine 0,777
Tahun 2026 · Penulis: Ainiyyah Wulandari Kusuma Widya
Analisis Sentimen Pada Komentar YouTube Terhadap Video Clash of Champions Season 2 Menggunakan Metode Xgboost
Penelitian ini bertujuan untuk mengevaluasi kinerja Extreme Gradient Boost (XGBoosst) algoritma dalam klasifikasi sentimen YouTube komentar pada seri video pendidikan "Clash of Champions Season 2." Komentar pengguna di media sosial platform menghasilkan volume