Evaluasi Efektivitas Fitur Layanan Candi Borobudur Berdasarkan Analisis Sentimen Ulasan Google Maps Menggunakan Teknik Naive Bayes
DOI:
https://doi.org/10.36423/index.v8i1.2747Keywords:
Analisis Sentimen, Pariwisata Digital, Google Maps, Candi Borobudur, Naïve BayesAbstract
Perkembangan pariwisata digital telah mentransformasi interaksi wisatawan dengan destinasi wisata, menjadikan platform ulasan daring seperti Google Maps sebagai sumber informasi penting sekaligus aset data yang bernilai untuk evaluasi kualitas layanan. Penelitian ini bertujuan untuk menganalisis persepsi wisatawan terhadap efektivitas fitur layanan Candi Borobudur berdasarkan sentimen ulasan Google Maps menggunakan algoritma Naive Bayes. Data penelitian berupa 1000 ulasan pengguna Google Maps yang dikumpulkan melalui observasi digital dan proses ekspor data ulasan pada periode tertentu. Tahapan penelitian meliputi pengumpulan data, preprocessing teks menggunakan Orange Data Mining, pelabelan sentimen otomatis berbasis lexicon multibahasa, ekstraksi fitur TF-IDF, serta klasifikasi sentimen menggunakan algoritma Naive Bayes ke dalam tiga kelas, yaitu positif, netral, dan negatif. Evaluasi model dilakukan menggunakan metode 5-fold cross validation. Hasil penelitian menunjukkan bahwa model Naive Bayes memperoleh performa yang baik dengan nilai accuracy sebesar 0,894, precision sebesar 0,896, recall sebesar 0,894, F1-score sebesar 0,894, dan Area Under Curve (AUC) sebesar 0,983. Hasil analisis menunjukkan bahwa sebagian besar ulasan pengunjung cenderung memiliki sentimen positif, khususnya terhadap aspek keindahan wisata, fasilitas, dan pengalaman berkunjung, meskipun masih ditemukan sentimen negatif terkait kepadatan pengunjung, harga tiket, dan pengelolaan fasilitas tertentu. Penelitian ini diharapkan dapat menjadi sumber evaluasi berbasis data bagi pengelola wisata dalam meningkatkan kualitas layanan dan pengalaman pengunjung secara berkelanjutan.
References
[1] R. Hashim, B. Omar, N. Saeed, A. Ba-Anqud, and H. Al-Samarraie, “THE APPLICATION OF SENTIMENT ANALYSIS IN TOURISM RESEARCH: A BRIEF REVIEW.”
[2] Ni Wayan Anggreni, I Made Artayasa, and I Wayan Sukita, “Identifikasi Ulasan Wisatawan Daring untuk Meningkatkan Layanan Destinasi Wisata,” Jurnal Kajian dan Terapan Pariwisata, vol. 5, no. 2, pp. 37–48, May 2025, doi: 10.53356/diparojs.v5i2.99.
[3] Y. Lin, W. Yu, H. Li, Y. Zhang, W. Yang, and Q. Chen, “Satisfaction Analysis and Optimization of the Management of the Forbidden City in Beijing Based on Online Reviews,” Advances in Engineering Research Possibilities and Challenges, p. 17, Mar. 2025, doi: 10.63313/aerpc.9002.
[4] W. Khofifah, D. N. Rahayu, and A. M. Yusuf, “Analisis Sentimen Menggunakan Naive Bayes Untuk Melihat Review Masyarakat Terhadap Tempat Wisata Pantai Di Kabupaten Karawang Pada Ulasan Google Maps,” Jurnal Interkom: Jurnal Publikasi Ilmiah Bidang Teknologi Informasi dan Komunikasi, vol. 16, no. 4, pp. 28–38, Jan. 2022, doi: 10.35969/interkom.v16i4.192.
[5] A. Ameur, S. Hamdi, and S. Ben Yahia, “Sentiment Analysis for Hotel Reviews: A Systematic Literature Review,” ACM Comput. Surv., vol. 56, no. 2, Feb. 2024, doi: 10.1145/3605152.
[6] D. T. Hermanto, M. Ziaurrahman, M. A. Bianto, and A. Setyanto, “Twitter Social Media Sentiment Analysis in Tourist Destinations Using Algorithms Naive Bayes Classifier,” in Journal of Physics: Conference Series, Institute of Physics Publishing, Dec. 2018. doi: 10.1088/1742-6596/1140/1/012037.
[7] Y. A. Setyawan, F. E. Nastiti, and A. A. Sari, “Analisis Sentimen Ulasan Tempat Wisata Umbul Sigedang Pada Google Maps Menggunakan Algoritma Naive Bayes Dan Support Vector Machine Sentiment Analysis of Umbul Sigedang Tourist Attraction Reviews on Google Maps Using Naive Bayes Algorithm and Support Vector Machine,” Jurnalnya Orang Pintar Komputer, vol. 14, no. 2, 2025, doi: 10.30591/smartcomp.v13i1.7467.
[8] R. Blloshmi, T. Pasini, N. Campolungo, S. Banerjee, R. Navigli, and G. Pasi, “IR like a SIR Sense-enhanced Information Retrieval for Multiple Languages.” [Online]. Available:https://github.com/SapienzaNLP/sir.
[9] Q. Ai et al., “Information Retrieval Meets Large Language Models: A Strategic Report from Chinese IR Community,” Jul. 2023, [Online]. Available: http://arxiv.org/abs/2307.09751
[10] D. Duei Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 10, no. 1, Jan. 2022, doi: 10.23960/jitet.v10i1.2262.
[11] Felicia Watratan, A. B. Puspita, D. Moeis, S. Informasi, and S. Profesional Makassar, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia,” 2020. [Online]. Available: http://journal.isas.or.id/index.php/JACOST
[12] J. Penerapan Teknologi Informasi dan Komunikasi, F. Bryan Prasetio, and T. Wellem, “IT-EXPLORE”.
[13] M. Rifan, H. Inaya Fikriya, P. I. Lembaga Konsultasi dan Bantuan Hukum Rumah Keadilan Jalan Kembang Kertas No, K. Lowokwaru, K. Malang, and J. Timur, “DISHARMONISASI PERIODE PEMBERLAKUAN RENCANA INDUK PEMBANGUNAN KEPARIWISATAAN DAERAH DI INDONESIA (IMPLEMENTASI PERATURAN PEMERINTAH NOMOR 50 TAHUN 2011 TENTANG RENCANA INDUK PEMBANGUNAN KEPARIWISATAAN) Disharmonized the Impelementation Period of Regional Tourism Development Plan in Indonesia (The Implementation of Government Regulation Number 50 Year 2011 Concerning Tourism Development Master Plan),” 2020.
[14] T. F. Hidayatullah and Y. Sutarso, “Peran Media Sosial, Ulasan Daring, dan Kepedulian Lingkungan pada Perilaku Pembelian Green Product,” At-Tadbir : jurnal ilmiah manajemen, vol. 7, no. 1, p. 23, Feb. 2023, doi: 10.31602/atd.v7i1.9217.
[15] Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, and Fitri Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” Jurnal KomtekInfo, 2023, doi: 10.35134/komtekinfo.v10i1.330.
[16] Y. A. Singgalen, “Analisis Sentimen Wisatawan Melalui Data Ulasan Candi Borobudur di Tripadvisor Menggunakan Algoritma Naïve Bayes Classifier,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 3, Dec. 2022, doi: 10.47065/bits.v4i3.2486.
[17] D. Darwis, N. Siskawati, and Z. Abidin, “PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN REVIEW DATA TWITTER BMKG NASIONAL,” Jurnal Tekno Kompak, vol. 15, no. 1, p. 131, Feb. 2021, doi: 10.33365/jtk.v15i1.744.
[18] Y. Alvin Rivera, S. Mariati, and F. Asmaniati Institut Pariwisata Trisakti, “Identifikasi Potensi Pariwisata di Desa Kawasan Borobudur Kabupaten Magelang Provinsi Jawa Tengah; Studi Kasus Desa Candirejo,” 2025.
[19] A. I. Tanggraeni and M. N. N. Sitokdana, “Analisis Sentimen Aplikasi E-Government pada Google Play Menggunakan Algoritma Naïve Bayes,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 9, no. 2, 2022, doi: 10.35957/jatisi.v9i2.1835.
[20] Y. Mao, Q. Liu, and Y. Zhang, “Sentiment analysis methods, applications, and challenges: A systematic literature review,” Apr. 01, 2024, King Saud bin Abdulaziz University. doi: 10.1016/j.jksuci.2024.102048.
[21] Alfandi Safira and F. N. Hasan, “ANALISIS SENTIMEN MASYARAKAT TERHADAP PAYLATER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER,” ZONAsi: Jurnal Sistem Informasi, vol. 5, no. 1, 2023, doi: 10.31849/zn.v5i1.12856.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Meyer Mega Eklesia Silaban, Rosena Shintabella, Sahid Triambudhi
This work is licensed under a Creative Commons Attribution 4.0 International License.
