Model Classifer Judul Berita Pariwisata Indonesia Berdasarkan Sentimen
DOI:
https://doi.org/10.25126/jtiik.20241117617Kata Kunci:
Pariwisata, Sentimen, Klasifikasi, SVM, Detik.comAbstrak
Kemajuan teknologi dan platform digital telah menyebabkan perubahan penting dalam industri pariwisata, termasuk penyebaran berita pariwisata. Artikel-artikel berita yang kerap dipublikasikan melalui portal media online dapat berdampak besar pada persepsi positif maupun negatif bagi pembaca. Oleh sebab itu, penelitian ini bertujuan untuk mengembangkan sebuah classifier yang mampu melakukan klasifikasi terhadap judul berita pariwisata berdasarkan sentimen. Sebelumnya, penelitian serupa biasanya lebih berfokus pada klasifikasi berita pariwisata Indonesia dengan menggunakan data dari platform Twitter. Namun, dalam penelitian ini, penulis melakukan pendekatan yang berbeda dengan menggunakan data dari portal berita online, dengan hanya mengambil judul berita sebagai sumber datanya. Penelitian berfokus pada analisis dan klasifikasi sentimen atau sikap emosional yang terkandung dalam judul-judul berita pariwisata. Dalam penelitian ini, digunakan metode machine learning Support Vector Machine (SVM). Data dikumpulkan dari situs berita Detik.com dan diberi label secara manual sesuai dengan sentimen yang terkandung dalamnya. Proses preprocessing teks digunakan untuk mempersiapkan data judul berita pariwisata Indonesia sehingga fiturnya dapat diekstraksi dengan pendekatan Binary Term Presence. Data penelitian dibagi menjadi dua bagian, yaitu 90% untuk proses pelatihan (training proses) dan 10% untuk pengujian, menerapkan teknik K-Fold Cross Validation untuk membagi data dalam proses pelatihan. Hasil penelitian menunjukkan bahwa pendekatan Binary Term Presence berhasil mencapai akurasi sebesar 87,80% dengan kernel RBF. Penelitian ini memberikan kontribusi penting dalam memahami respon publik terhadap topik atau isu pariwisata yang dipublikasikan oleh media. Metode dan pendekatan yang dikembangkan diharapkan dapat menjadi panduan dalam menganalisis sentimen terkini terkait industri pariwisata dan berita yang terkait dengannya.
Downloads
Referensi
AMRIZl, V. (2018) “Penerapan Metode Term Frequency Inverse Document Frequency (Tf-Idf) Dan Cosine Similarity Pada Sistem Temu Kembali Informasi Untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus: Hadits Shahih Bukhari-Muslim),” Jurnal Teknik Informatika, 11(2), hal. 149–164. doi: 10.15408/jti.v11i2.8623.
AWALINA, A., BACHTIAR, F. A. dan INDRIATI, I. (2022) “Klasifikasi Ulasan Palsu Menggunakan Borderline Over Sampling (BOS) dan Support Vector Machine (SVM) (Studi Kasus : Ulasan Tempat Makan),” Jurnal Teknologi Informasi dan Ilmu Komputer, 9(2), hal. 419. doi: 10.25126/jtiik.2022925692.
BUDIMAN, A. E. dan WIDJAJA, A. (2020) “Analisis Pengaruh Teks Preprocessing Terhadap Deteksi Plagiarisme Pada Dokumen Tugas Akhir,” Jurnal Teknik Informatika dan Sistem Informasi, 6(3), hal. 475–488. doi: 10.28932/jutisi.v6i3.2892.
DOR, D. (2003) “On newspaper headlines as relevance optimizers,” Journal of Pragmatics, 35(5), hal. 695–721. doi: 10.1016/S0378-2166(02)00134-0.
IRHAM, L. G., ADIWIJAYA, A. dan WISESTY, U. N. (2019) “Klasifikasi Berita Bahasa Indonesia Menggunakan Mutual Information dan Support Vector Machine,” Jurnal Media Informatika Budidarma, 3(4), hal. 284. doi: 10.30865/mib.v3i4.1410.
JUDITHA, C. (2017) “Sentimen Dan Imparsialitas Isi Berita Tentang Ahok Di Portal Berita Online,” Jurnal Penelitian Komunikasi dan Pembangunan, 18(1), hal. 57. doi: 10.31346/jpkp.v18i1.839.
MURSALINA, H., Wibowo YUNANTO, P. dan OKTAVIANI, V. (2019) “Pengembangan Media Cetak dan Digital untuk Dellsand Kreasi Kaos Nama Sebagai Media Promosi,” PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer, 3(2), hal. 127–131. doi: 10.21009/pinter.3.2.7.
NURROCHAN, M. M. dan PRASASTI, A. L. (2021) “Implementasi Machine Learning Untuk Mendeteksi Unsur Depresi Pada Tweet Menggunakan Metode Naïve Bayes ( Machine Learning Implementation for Depression Detection in Tweet Using Naïve Bayes Method ),” e-Proceeding of Engineering, 8(5), hal. 6250–6257.
O’KEEFE, T. dan KOPRINSKA, I. (2009) “Feature selection and weighting methods in sentiment analysis,” ADCS 2009 - Proceedings of the Fourteenth Australasian Document Computing Symposium, (January 2009), hal. 67–74.
PRAMUDITA, Y. D., PUTRO, S. S. dan MAKHMUD, N. (2018) “Klasifikasi Berita Olahraga Menggunakan Metode Naïve Bayes dengan Enhanced Confix Stripping Stemmer,” Jurnal Teknologi Informasi dan Ilmu Komputer, 5(3), hal. 269. doi: 10.25126/jtiik.201853810.
RAMESHBHAI, C. J. dan PAULOSE, J. (2019) “Opinion mining on newspaper headlines using SVM and NLP,” International Journal of Electrical and Computer Engineering, 9(3), hal. 2152–2163. doi: 10.11591/ijece.v9i3.pp2152-2163.
ROFIQI, M. A. dkk. (2019) “Implementasi Term-Frequency Inverse Document Frequency (TF-IDF) Untuk Mencari Relevansi Dokumen Berdasarkan Query,” ILKOMNIKA: Journal of Computer Science and Applied Informatics, 1(2), hal. 58–64. doi: 10.28926/ilkomnika.v1i2.18.
ROHMATUL, S. dkk. (2022) “Analisis Sentimen Berita Universitas Udayana Menggunakan Metode Full Text Search ( Natural Language ) Dan Rule Based Method,” 3(1).
SETIOWATI, D., CHERIL, R. dan SARY, M. P. (2021) “Pengaruh Perkembangan Digitalisasi Media Pada Portal Berita Kompas Terhadap Minat Baca Masyarakat (Studi Kasus Pada Mahasiswa Program Studi Ilmu Komunikasi Universitas Negeri Jakarta),” Mediakom : Jurnal Ilmu Komunikasi, 5(1), hal. 29–38. doi: 10.35760/mkm.2021.v5i1.3377.
UGY SOEBIYANTORO (2009) “Pengaruh Ketersediaan Sarana Prasarana, Sarana Transportasi Terhadap Kepuasan Wisatawan,” Jurnal Manajemen Pemasaran, 4(1), hal. 16–22. Tersedia pada: http://puslit2.petra.ac.id/ejournal/index.php/mar/article/view/18082.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
