KLASIFIKASI TEKS ULASAN PADA WEB TRIPADVISOR TENTANG WISATA ALAM PULAU LOMBOK MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER

Yuni, Oktaviani (2022) KLASIFIKASI TEKS ULASAN PADA WEB TRIPADVISOR TENTANG WISATA ALAM PULAU LOMBOK MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER. S1 thesis, Universitas Mataram.

[img] Text
ACC_YUNI OKTAVIANI (F1D016088).pdf
Restricted to Repository staff only

Download (1MB)

Abstract

Indonesia diakui sebagai salah satu negeri yang elok dengan berbagai keindahan alamnya baik di darat atau di laut. Di Indonesia terdapat banyak pantai, gua, laguna, estuari, hutan mangrove, padang lamun, rumput laut, dan terumbu karang yang menghiasi negeri ini. Pulau Lombok merupakan salah satu destinasi wisata yang cukup terkenal di Indonesia karena keindahan alam dan banyaknya objek wisata. TripAdvisor adalah platform wisata terbesar di dunia yang membantu wisatawan mengoptimalkan potensi setiap perjalanan wisatawan, ulasan pada TripAdvisor mengandung berbagai aspek penilaian dan berupa mixed sentiment (seperti positif dan negatif). Untuk itu, perlu adanya Klasifikasi ulasan TripAdvisor pada tempat wisata sehingga dapat diketahui aspek penilaian apa saja yang sering dibahas oleh para pengunjung dan dapat menentukan penilaian secara spesifik apakah ulasan tersebut positif atau negatif. Berdasarkan permasalahan tersebut penulis mengajukan sebuah penelitian untuk merancang sebuah model untuk mengklasifikasikan ulasan pada web Tripadvisor tentang wisata alam Pulau Lombok menggunakan metode Naive Bayes Classifier. Klasifikasi ulasan pada web Tripadvisor tentang wisata alam Pulau Lombok dilakukan dengan metode Naïve Bayes Classifier dengan tambahan seleksi fitur Mutual Information yang diharapkan dapat menambah akurasi klasifikasi dengan menghilangkan fitur noise dalam data. Hasil dari penelitian ini dengan menggunakan 30% data uji mendapatkan nilai akurasi sebesar 90%, sedangkan tanpa menggunakan seleksi fitur Mutual Information memperoleh akurasi sebesar 89%. Hasil uji validasi model tersebut dengan menggunakan 10-cross fold validation diperoleh nilai rata�rata akurasi sebesar 88,2%. Berdasarkan klasifikasi yang telah dilakukan, dengan adanya penggunaan seleksi fitur Mutual Information dapat meningkatkan akurasi sebesar 1% namun tidak terlalu significant.

Item Type: Thesis (S1)
Keywords (Kata Kunci): Kata kunci : Machine Learning, Naïve Bayes Classifier, Ulasan, Tripadvisor
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik
Depositing User: Rini Trisnawati
Date Deposited: 01 Aug 2022 06:04
Last Modified: 01 Aug 2022 06:04
URI: http://eprints.unram.ac.id/id/eprint/30185

Actions (login required)

View Item View Item