Saat ini teknologi informasi telah menjadi komponen penting dalam berbagai bidang, salah satunya dalam dunia pariwisata. Hal ini dapat dilihat dengan munculnya situs web pada sektor pariwisata seperti Tripadvisor. Dengan Tripadvisor sebagian besar wisatawan dapat mencari informasi mengenai destinasi objek wisata yang ingin mereka kunjungi untuk mengetahui keadaan di tempat tersebut dan menjadikan masukan untuk pengunjung lain. Studi kasus yang diambil dalam penelitian ini adalah ulasan wisatawan terhadap 5 pantai terfavorit di Bali yaitu Pantai Double Six, Seminyak, Nusa Dua, Kelingking dan Canggu pada situs Web Tripadvisor. Pulau Bali merupakan salah satu daerah tujuan wisata yang sudah terkenal ke mancanegara sebagai tempat wisata yang memiliki keindahan panorama yang berada di Indonesia. Salah satu objek wisata alam yang menarik di Bali yaitu pantai. Namun pada tahun 2020 kunjungan wisatawan mulai menurun dikarenakan adanya pandemi COVID-19. Dalam upaya mengembalikan keadaaan, para pengelola objek wisatawan pada setiap pantai dapat menarik wisatawan untuk berkunjung kembali dengan melakukan promosi melalui situs web Tripadvisor. Penelitian ini akan menjadikan 5 pantai terfavorit yang ada di Bali sebagai parameter dalam objek situs web Tripadvisor, yang dilakukan analisis sentimen. Hasil analisis akan menentukan bagaimana opini dari wisatawan terhadap kelima pantai tersebut dengan menggunakan arsitektur Long Short-Term Memory (LSTM) dengan sentimen yang akan diklasifikasikan berupa label positif dan negatif. Dengan arsitektur Long Short-Term Memory (LSTM), penelitian ini akan menghasilkan klasifikasi yang dapat menjadi visualisasi sentiment dari setiap pantainya. Dalam melakukan klasifikasi, penelitian ini menggunakan rasio training dan testing yaitu 80:20 dengan metode undersampling karena memiliki akurasi tertinggi secara keseluruhan dengan Pantai Double Six sebesar 83%, Seminyak 81%, Nusa Dua 84%, Kelingking 81% dan Canggu sebesar 84%. Hasil prediksi yang diperoleh dari hasil klasifikasi lebih dominan pada label positif. Selain melakukan klasifikasi untuk analisis sentimen, penelitian ini juga mengukur performa dari model yang dibuat dengan menghitung nilai precision, recall, F1-Score, macro average, dan weight average pada setiap hasil klasifikasi pantai.
Kata kunci—Long Short-Term Memory (LTSM), Pantai, Bali, Analisis Sentimen, Tripadvisor