Abstract:
Kota Bandung adalah kota yang memiliki potensi pariwisata yang sangat tinggi di Indonesia. Menurut Litbang Kompas dan Kementerian Pariwisata tahun 2016, Bandung unggul dalam beberapa aspek Indeks Pariwisata Indonesia. Berdasarkan data dari Badan Pusat Statistik Provinsi Jawa Barat, jumlah kunjungan wisatawan ke objek wisata yang ada di kota Bandung mencapai 5.864.721 ditahun 2018. Pada tahun 2019 mencapai 2.442.250 dan pada tahun 2021 mencapai 393.223. Kunjungan yang banyak dari wisatawan ini memberikan dampak terhadap industri wisata kuliner dan belanja di Kota Bandung. Kementerian Pariwisata telah menetapkan kota Bandung sebagai salah satu destinasi unggulan wisata kuliner dan belanja(wiskulbel) di Indonesia. Walaupun kota Bandung merupakan salah satu destinasi unggulan wisata kuliner dan belanja, tentu masih memiliki kekurangan dan permasalahan. Kekurangan dan permasalahan ini dapat dilihat dari opini wisatawan yang terdapat pada review diinternet. Penelitian ini dilakukan untuk menganalisis sentimen yang terdapat diinternet terhadap wisata kuliner dan belanja di Kota Bandung serta membuat model klasifikasi menggunakan Deep Learning. Pada penelitian ini, dilakukan tahapan-tahapan dari Text Mining untuk analisis sentimen. Tahapan ini meliputi pengumpulan data, text preprocessing, feature extraction, pattern discovery dan evaluasi model. Tahapan pertama, yaitu mengumpulkan data menggunakan tools webscraping, yaitu WebHarvy. Data bersumber dari 2 website, yaitu TripAdvisor dan Google Review. Selanjutnya adalah melakukan preprocessing teks yang meliputi case folding, tokenization, stopword removing, stemming dan pengubahan kata slang. Tahap selanjutnya adalah melakukan pelabelan data menggunakan salah satu teknik analisis sentimen, yaitu pendekatan secara lexicon-based. Data yang sudah dilabeli akan divisualisasikan untuk mendapatkan insight dari data. Tahapan selanjutnya adalah pembuatan model. Diawali dengan mengubah teks menjadi vektor menggunakan Word Tokenizer dari library keras. Selanjutnya model klasifikasi sentimen dibuat menggunakan algoritma Deep Learning. Model ini selanjutnya dievaluasi dan diimplementasikan kedalam perangkat lunak berbasis website. Data ulasan wisata kuliner dan belanja di kota Bandung yang dikumpulkan berjumlah 1673 ulasan. Berdasarkan penelitian yang sudah dilakukan, data berlabel positif merupakan data terbanyak dengan persentase 54%. Data berlabel negatif dengan presentase 32% dan data netral paling sedikit yaitu 14%. Hasil evaluasi model klasifikasi sentimen menggunakan Deep Learning dengan data 3 label sentimen(positif, negatif dan netral) mendapatkan akurasi tertinggi menggunakan model Bidirectional Long-Short Term Memory dengan akurasi data validasi 70.72%. Model kedua adalah CNN dengan akurasi data validasi 68.13%. Model dengan akurasi data validasi terendah adalah Neural Network biasa dengan akurasi data validasi 54%. Hasil evaluasi model klasifikasi sentimen menggunakan Deep Learning dengan data dengan 2 label sentimen(positif dan negatif) mendapatkan akurasi tertinggi menggunakan model Bidirectional Long-Short Term Memory dengan akurasi data validasi 81.67%. Model CNN mendapatkan akurasi data validasi sebesar 79.35%.