ANALISIS SENTIMEN REVIEW PENGGUNA OBJEK WISATA DI NUSA TENGGARA TIMUR MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap enam objek wisata di Provinsi Nusa Tenggara Timur dengan memanfaatkan data ulasan dalam jumlah besar yang diperoleh dari Google Maps. Data dikumpulkan melalui proses scraping menggunakan SerpAPI, kemudian dilakukan tahapan Cleaning dan pra-pemrosesan teks untuk meningkatkan kualitas data. Pelabelan sentimen dilakukan secara otomatis menggunakan model IndoBERT sehingga diperoleh tiga kelas sentimen, yaitu positif, negatif, dan netral. Representasi fitur teks dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), kemudian diklasifikasikan menggunakan model Support Vector Machine (SVM) baseline dan model SVM teroptimasi dengan GridSearchCV. Hasil evaluasi menunjukkan bahwa model SVM baseline menghasilkan akurasi sebesar 83,87%, namun menunjukkan ketidakseimbangan performa antar kelas dengan nilai Macro F1-score sebesar 0,4287. Setelah dilakukan optimasi parameter menggunakan GridSearchCV, model SVM teroptimasi menghasilkan akurasi sebesar 78,27% dengan peningkatan nilai Macro F1-score menjadi 0,4818. Peningkatan tersebut menunjukkan perbaikan dalam kemampuan model mengenali kelas sentimen minoritas meskipun terjadi penurunan akurasi keseluruhan. Secara keseluruhan, model SVM teroptimasi memberikan hasil klasifikasi yang lebih seimbang dan representatif dalam menggambarkan persepsi wisatawan berdasarkan ulasan daring, sehingga dapat digunakan sebagai dasar analisis sentimen pada sektor pariwisata.