ANALISIS SENTIMEN ULASAN WISATA CANDI DI JAWATENGAH MENGGUNAKAN BIDIRECTIONAL LONG SHORT ERM MEMORY (BILSTM)

Pariwisata candi di Jawa Tengah menjadi pilar ekonomi daerah yang memicu tingginya volume opini digital di platform Google Maps. Penelitian ini difokuskan pada penerapan model Bidirectional Long Short-Term Memory (BiLSTM) untuk mengklasifikasikan sentimen ulasan pengunjung ke dalam label positif, netral, dan negatif. Kendala utama yang dihadapi adalah adanya ketimpangan distribusi kelas (imbalanced data) yang berpotensi memicu bias pada prediksi model. Rangkaian metodologi yang diterapkan meliputi preprocessing, word embedding, teknik penyeimbangan data melalui Random OverSampling, serta fase pelatihan dan evaluasi model. Temuan penelitian membuktikan bahwa penanganan data seimbang secara drastis mengoptimalkan kinerja model dengan pencapaian metrik accuracy, precision, recall, dan F1-score pada angka 95%. Skor AUC yang mendekati sempurna menegaskan stabilitas serta sensitivitas BiLSTM dalam membedakan konteks linguistik bahasa Indonesia yang rumit. Riset ini memberikan manfaat praktis sebagai alat evaluasi otomatis bagi pengelola wisata sekaligus memperkaya literatur akademis mengenai pemanfaatan deep learning dalam bidang Natural Language Processing (NLP).