ANALISIS SENTIMEN ULASAN KEBUN BINATANG SURABAYA PADA GOOGLE MAPS MENGGUNAKAN WORD EMBEDDING WORD2VEC DAN BILSTM (BIDIRECTIONAL LONG SHORT TERM MEMORY)

Pariwisata merupakan sektor strategis yang berkontribusi terhadap perekonomian Indonesia, termasuk pada destinasi wisata lokal seperti Kebun Binatang Surabaya (KBS). Ulasan pengunjung pada platform digital seperti Google Maps mengandung informasi penting terkait persepsi dan tingkat kepuasan wisatawan yang dapat dianalisis menggunakan teknik analisis sentimen. Penelitian ini bertujuan menganalisis sentimen ulasan KBS serta membandingkan performa dua arsitektur word embedding, yaitu Continuous Bag of Words (CBOW) dan Skip-gram, yang diintegrasikan dengan model Bidirectional Long Short-Term Memory (BiLSTM). Data penelitian berupa 2.583 ulasan hasil scraping yang diproses melalui tahapan preprocessing, pelabelan sentimen berbasis leksikon, serta penanganan ketidakseimbangan kelas pada data training menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Representasi teks dibangun menggunakan Word2Vec dengan dua skenario arsitektur, kemudian diklasifikasikan menggunakan BiLSTM dengan hyperparameter yang identik pada kedua skenario. Evaluasi dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Skip-gram menghasilkan performa yang lebih baik dibandingkan CBOW, dengan akurasi 79% dan weighted F1-score 0,80, sedangkan CBOW memperoleh akurasi 72% dengan weighted F1-score 0,73. Temuan ini menegaskan bahwa pemilihan arsitektur word embedding berpengaruh signifikan terhadap performa klasifikasi sentimen pada data ulasan wisata berbahasa Indonesia.