KLASIFIKASI SENTIMEN PENGUNJUNG KAWASAN WISATA PANTAI TANJUNG LESUNG MENGGUNAKAN ALGORITMA DECISION TREE DAN XGBOOST

MUHAMMAD HABIBI; AHMAD HAFIZH NAZMUDIN; MUHAMMAD AKBAR DEEDAT

doi:10.23960/jitet.v14i3.9743

MUHAMMAD HABIBI
Universitas Pendidikan Indonesia
AHMAD HAFIZH NAZMUDIN
Universitas Pendidikan Indonesia
MUHAMMAD AKBAR DEEDAT
Universitas Pendidikan Indonesia

DOI: https://doi.org/10.23960/jitet.v14i3.9743

Keywords Analisis Sentimen, Decision Tree, XGBoost, Pantai Tanjung Lesung, Google Maps Review

Abstract Views (Last 12 Months)

2 Abstract Views

4 Downloads

Abstract

Penelitian ini bertujuan mengklasifikasikan sentimen ulasan wisata Pantai Tanjung Lesung pada Google Maps untuk memperoleh informasi mengenai persepsi dan tingkat kepuasan pengunjung. Dua arsitektur machine learning diimplementasikan: Decision Tree sebagai model dasar dan eXtreme Gradient Boosting (XGBoost) sebagai model optimasi. Dataset diperoleh melalui web scraping dan diproses dengan tahapan preprocessing teks, pendekatan leksikon dengan penanganan negasi, serta pembobotan fitur TF-IDF berbasis unigram dan bigram. Untuk mengatasi ketidakseimbangan kelas digunakan Synthetic Minority Over-sampling Technique (SMOTE), dan optimasi hyperparameter dilakukan menggunakan GridSearchCV. Hasil eksperimental menunjukkan XGBoost mencapai akurasi terbaik sebesar 90,76%, lebih tinggi dibanding Decision Tree sebesar 87,95%. Visualisasi WordCloud mengindikasikan ulasan positif didominasi aspek keindahan alam dan kenyamanan. Temuan ini menegaskan bahwa kombinasi preprocessing teks, SMOTE, dan penalaan hyperparameter dapat meningkatkan performa klasifikasi sentimen pada ulasan wisata berbasis Google Maps.

Downloads

Download data is not yet available.

References

W. Khofifah, D. N. Rahayu, and A. M. Yusuf, “Analisis Sentimen Menggunakan Naive Bayes Untuk Melihat Review Masyarakat Terhadap Tempat Wisata Pantai Di Kabupaten Karawang Pada Ulasan Google Maps,” J. Interkom J. Publ. Ilm. Bid. Teknol. Inf. dan Komun., vol. 16, 2022.

M. A. Anwar, H. Mulyo, and T. Tamrin, “Optimalisasi Algoritma Naive Bayes Dengan Teknik Ensemble Dalam Analisis Sentimen Twitter Pantai Kartini Jepara,” J. Minfo Polgan, vol. 13, pp. 1331–1341, 2024.

H. Azizah, F. Syuhada, and Y. Sa’adati, “Sentimen Analisis Tempat Wisata Berdasarkan Ulasan Google Maps Menggunakan Metode Naive Bayes (Studi Kasus Bukit Merese),” SainsTech Innov. J., vol. 7, no. November, pp. 467–476, 2024.

Y. W. Syaifudin and R. A. Irawan, “Implementasi Analisis Clustering dan Sentimen Data Twitter Pada Opini Wisata Pantai Menggunakan Metode K-Means,” J. Inform. Polinema, vol. 4, pp. 189–194, 2018.

A. N. Izza, D. E. Ratnawati, W. Hayuhardhika, and W. H. N. Putra, “Analisis Sentimen Objek Wisata di Provinsi Sulawesi Selatan Berdasarkan Ulasan Pengunjung Menggunakan Metode Random Forest Classifier,” J. Sist. Informasi, Teknol. Informasi, dan Edukasi Sist. Inf., vol. 3, no. 2, pp. 97–105, 2022.

B. R. Atmadja, “Analisis Sentimen Bahasa Indonesia Pada Tempat Wisata di Kabupaten Sukabumi Dengan Naïve Bayes,” J. Ilm. Elektron. dan Komput., vol. 15, no. 2, pp. 371–382, 2022.

D. A. Fatah, E. M. S. Rochman, W. Setiawan, A. R. Aulia, F. I. Kamil, and A. Su’ud, “Sentiment Analysis of Public Opinion Towards Tourism in Bangkalan Regency Using Naïve Bayes Method,” in E3S Web of Conferences, 2024, pp. 1–8.

J. Ipmawati, Saifulloh, and Kusnawi, “Sentiment Analysis of Tourist Attractions Based on Reviews on Google Maps Using the Support Vector Machine Algorithm,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. April, pp. 247–256, 2024.

R. Ramdani and R. Cahyana, “Analisis Sentimen Ulasan Wisata Budaya Menggunakan Metode Support Vector Machine dan Long Short-Term Memory,” J. Algoritm., pp. 1188–1199, 2025, doi: 10.33364/algoritma/v.22-2.2585.

M. Z. A. Yusuf, S. Lestanti, and W. D. Puspitasari, “Analisis Sentimen Pengunjung Terhadap Fasilitas Dan Layanan Di Pantai Pudak Menggunakan Algoritma Lstm Muhammad,” J. Ilm. Wahana Pendidik., vol. 12, pp. 128–141, 2026.

N. Oktaviana, H. C. Rustamaji, and H. Sofyan, “Sentiment Analysis On Reviews Of Beach Tourism Objects On Google Maps Using Long-Short Term Memory Method,” in Seminar Nasional Informatika 2021 (SEMNASIF 2021)., 2021, pp. 133–143.

W. A. Arifin, I. Ariawan, A. A. Rosalia, A. S. Sasongko, and M. R. Apriansyah, “Model Prediksi Pasang Surut Air Laut Pada Stasiun Pushidrosal Bakauheni Lampung Menggunakan Support Vector Regression,” J. Kemaritiman Indones. J. Marit., vol. 2, no. 2, pp. 105–112, 2023.

N. S. Fitriasari, D. R. Azhari, M. G. Shafa, and A. R. T. E. Ahmad, “Model Sistem Manejemen Pengetahuan di Program Studi Sistem Informasi Kelautan,” J. Kemaritiman Indones. J. Marit., vol. 1, no. 2, pp. 89–100, 2023.

T. Chen and C. Guestrin, “XGBoost : A Scalable Tree Boosting System,” in ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 2016.

J. Zalukhu and A. H. Lubis, “Klasifikasi Wisatawan Berdasarkan Perilaku Konsumen Dengan Menggunakan Algoritma XGBoost,” JITE (Journal Informatics Telecommun. Eng., vol. 4, no. January, 2021.

H. Christanto et al., “Analisis Perbandingan Decision Tree , Support Vector Machine , dan Xgboost dalam Mengklasifikasi Review Hotel Trip Advisor,” J. Teknol. Inform. dan Komput. MH. Thamrin, vol. 9, no. 1, pp. 306–319, 2023.

I. Ariawan, A. A. Rosalia, L. Anzani, L. O. A. Minsaris, and Lukman, “Identifikasi Spesies Mangrove Menggunakan Algoritme Random Forest,” J. Kemaritiman Indones. J. Marit., vol. 2, no. 2, pp. 87–96, 2021.

T. K. Aulia, W. A. Arifin, and M. Rudi, “Klasifikasi Kualitas Air Budidaya Ikan Nila Menggunakan Support Vector Machine,” J. Algoritm., pp. 1842–1852, 2025, doi: 10.33364/algoritma/v.22-2.2356.

Tukino and A. R. Hakim, “Analisis Sentimen Objek Wisata di Google Maps Menggunakan Metode Decision Tree,” Comput. Based Inf. Syst. J., vol. 01, pp. 122–130, 2024.

M. Guia, R. R. Silva, and J. Bernardio, “Comparison of Naïve Bayes , Support Vector Machine , Decision Trees and Random Forest on Sentiment Analysis,” in International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management (IC3K2019), 2019, pp. 525–531. doi: 10.5220/0008364105250531.

M. J. Setiawan and V. R. S. Nastiti, “DANA App Sentiment Analysis : Comparison of XGBoost , SVM , and Extra Trees,” J. SISFOKOM (Sistem Inf. dan Komputer), vol. 13, pp. 337–345, 2024.

L. Handyanto, W. A. Arifin, H. Syafri, U. P. Indonesia, and J. Barat, “Perbandingan Metode Hyperparameter Tuning Pada Model XGBoost Untuk Prediksi Multioutput,” J. Rekayasa Teknol. Inf., vol. 10, no. 1, pp. 50–59, 2026.

R. T. Handayanto, Herlawati, P. D. Atika, F. N. Khasanah, A. Y. P. Yusuf, and D. Y. Septia, “Analisis Sentimen Pada Situs Google Review dengan Naïve Bayes dan Support Vector Machine,” J. Komtika (Komputasi dan Inform., vol. 5, no. 2, pp. 153–163, 2021.

I. Ariawan, Y. Herdiyeni, and I. Z. Siregar, “Geometry Feature Extraction of Shorea Leaf Venation Based on Digital Image and Classification U sing R andom Forest,” Intermational J. Comput. Digit. Syst., vol. 1, no. 1, 2022.

G. Rafianto, Hannie, and A. Mas’um, “Analisis Sentimen Berbasis Topik Ulasan Pengguna Aplikasi Roblox Menggunakan Integarasi LDA dan SVM,” JITET J. Inform. dan Tek. Elektro Terap., vol. 14, no. 2, 2026.