Analisis Sentimen Ulasan Wisata Budaya Menggunakan Metode Support Vector Machine dan Long Short-Term Memory

Abstract

Dalam era transformasi digital, perilaku wisatawan dalam mengekspresikan persepsi terhadap destinasi wisata semakin bergeser ke arah platform daring seperti Google Maps dan Twitter. Ulasan digital tersebut tidak hanya merepresentasikan pengalaman individual, tetapi juga mencerminkan opini kolektif yang dapat dimanfaatkan sebagai dasar dalam merumuskan kebijakan pengembangan pariwisata berbasis data. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap opini masyarakat mengenai Kampung Naga dengan membandingkan performa dua algoritma klasifikasi, yaitu Support Vector Machine (SVM) dan Long Short-Term Memory (LSTM). Pendekatan metodologi yang digunakan adalah SEMMA (Sample, Explore, Modify, Model, Assess). Dataset terdiri dari 2.469 ulasan yang diperoleh melalui teknik web scraping dari Google Maps dan Twitter. Seluruh data diproses melalui tahapan cleaning, tokenisasi, stopword removal, dan pelabelan sentimen otomatis menggunakan model bahasa ChatGPT, dengan tiga label klasifikasi: positif, netral, dan negatif. Pemodelan dilakukan menggunakan SVM dengan representasi TF-IDF dan LSTM dengan embedding layer. Evaluasi model menggunakan metrik precision, recall, dan F1-score. Hasil menunjukkan bahwa SVM memperoleh akurasi sebesar 83% dan unggul pada sentimen netral, sedangkan LSTM mencatat akurasi 81% dengan kinerja stabil pada sentimen positif dan netral. Penelitian ini berkontribusi dalam pengembangan sistem analisis opini publik berbasis teks untuk mendukung promosi dan pengelolaan destinasi wisata budaya.