TRUNOJOYO-Tugas Akhir-39880-Abstract.pdf
Restricted to Repository staff only
Download (134kB)
TRUNOJOYO-Tugas Akhir-39880-Cover.pdf
Restricted to Repository staff only
Download (4MB)
TRUNOJOYO-Tugas Akhir-39880-Chapter1.pdf
Restricted to Repository staff only
Download (212kB)
TRUNOJOYO-Tugas Akhir-39880-Chapter2.pdf
Restricted to Repository staff only
Download (408kB)
TRUNOJOYO-Tugas Akhir-39880-Chapter3.pdf
Restricted to Repository staff only
Download (4MB)
TRUNOJOYO-Tugas Akhir-39880-Chapter4.pdf
Restricted to Repository staff only
Download (768kB)
TRUNOJOYO-Tugas Akhir-39880-Conclusion.pdf
Restricted to Repository staff only
Download (134kB)
TRUNOJOYO-Tugas Akhir-39880-References.pdf
Restricted to Repository staff only
Download (185kB)
TRUNOJOYO-Tugas Akhir-39880-Appendices.pdf
Restricted to Repository staff only
Download (3MB)
Abstract
Peran ulasan wisatawan pada platform digital seperti Google Maps sangat penting dalam membentuk citra destinasi pariwisata, termasuk wisata pantai di Kabupaten Sampang. Namun, data ulasan yang tidak terstruktur, mengandung kesalahan penulisan, serta memiliki distribusi kelas yang tidak seimbang menyebabkan proses analisis secara manual menjadi kurang efektif dan memakan waktu. Penelitian ini menggunakan dataset hasil web scraping Google Maps sebanyak ±2.879 ulasan wisata pantai di Kabupaten Sampang yang terdiri atas 1.917 sentimen positif, 724 sentimen negatif, dan 238 sentimen netral. Penelitian ini bertujuan untuk membangun model analisis sentimen yang mampu mengklasifikasikan ulasan wisatawan ke dalam tiga kategori, yaitu positif, negatif, dan netral, menggunakan metode Long Short-Term Memory (LSTM) yang mampu memahami konteks data sekuensial. Untuk meningkatkan performa model, penelitian ini mengintegrasikan teknik Damerau-Levenshtein Distance (DLD) untuk koreksi kesalahan penulisan, Text Augmentation untuk mengatasi ketidakseimbangan data, serta fitur N-gram untuk memperkaya representasi teks. Hasil penelitian menunjukkan bahwa penerapan DLD saja belum mampu meningkatkan performa secara optimal, terutama dalam mengenali kelas minoritas. Namun, ketika dikombinasikan dengan Text Augmentation, performa model meningkat secara signifikan. Model terbaik diperoleh pada skenario penggunaan fitur unigram yang dikombinasikan dengan DLD dan Text Augmentation, dengan nilai akurasi sebesar 93,05%, precision 93%, recall 93%, dan F1-score 93%. Hasil tersebut menunjukkan bahwa kualitas data dan keseimbangan distribusi kelas memiliki peran penting dalam meningkatkan kinerja model. Dengan demikian, penelitian ini memberikan kontribusi dalam pengembangan analisis sentimen berbasis deep learning serta dapat dimanfaatkan sebagai dasar pengambilan keputusan dalam pengelolaan dan pengembangan pariwisata berbasis data di Kabupaten Sampang.
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM RATU REGINA FITRIYANI |
| Department | Sistem Informasi |
| Uncontrolled Keywords | Long Short Term Memory Analisis sentimen Text Augmentation N-Gram Damerau Levenshtein Distance |
| Divisions | Fakultas Teknik > S1 - Sistem Informasi |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 18 Oct 2026 01:41 |
| Last Modified | 24 Oct 2026 17:20 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/29863 |
