Implementasi Metode Lexicon dan Support Vector Machine Untuk Analisis Emosi dan Persepsi Ulasan Pengunjung Museum

FAYZA APRILIZA

Informasi Dasar

63 kali
25.04.7281
518.1
Karya Ilmiah - Skripsi (S1) - Reference

Pariwisata mengalami tantangan signifikan selama pandemi Covid-19 yang menyebabkan penurunan Produk Domestik Bruto (PDB) pariwisata sebesar 56% di tahun 2020. Dalam upaya memulihkan sektor pariwisata, strategi efektif diperlukan, salah satunya melalui promosi wisata museum. Wisata museum, khususnya kegiatan museum date semakin populer di kalangan generasi milenial. Museum date adalah kegiatan melihat koleksi museum dan mengambil foto atau video. Banyak pengunjung memberikan ulasan di Google Maps tetapi data tersebut masih jarang dimanfaatkan. Data ulasan tersebut memiliki informasi terkait pengalaman pengunjung museum. Penelitian ini bertujuan untuk mengidentifikasi emosi dan persepsi pengunjung museum di DKI Jakarta berdasarkan ulasan di Google Maps. Metode NRC Emolex dan Support Vector Machine (SVM) digunakan pada penelitian ini. Hasil analisis menunjukkan lima objek museum memiliki persentase emosi trust (21,88%), joy (20,92%), anticipation (18,52%), dan surprise (10,96%) lebih tinggi dibandingkan dengan persentase emosi sadness (9,78%), fear (7,6%), disgust (5,24%), dan anger (5,14%). Analisis persepsi berdasarkan keyword dominan di wordcloud menggambarkan keberagaman fokus dan pendekatan objek museum. Jakarta History Museum memunculkan keyword "bagus", "bersih", dan "ramai". Museum Nasional memunculkan keyword "bagus", "bersih", dan "anak". Museum Bank Indonesia memunculkan keyword "bagus", "menarik", dan "nyaman". Museum MACAN memunculkan keyword "bagus", "seni", dan "foto". Museum Wayang memunculkan keyword "bagus", "anak", dan "menarik". Model SVM yang mengenali 8 emosi dan data yang di-sampling menggunakan SMOTE serta seleksi fitur menghasilkan akurasi 83,3%, presisi 79,7%, recall 59,47%, dan F1-Score 66,21%. Meskipun akurasi tinggi dengan 79,7% tepat, model menunjukkan nilai F1-Score rendah yang mengindikasikan model belum mampu menemukan pola data dengan baik, terutama ditunjukkan dengan recall rendah. Kata kunci: SVM, Metode Lexicon, Analisis Emosi dan Persepsi, Museum, Pemodelan Teks

Subjek

Vector analysis
 

Katalog

Implementasi Metode Lexicon dan Support Vector Machine Untuk Analisis Emosi dan Persepsi Ulasan Pengunjung Museum
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

FAYZA APRILIZA
Perorangan
Sena Wijayanto
 

Penerbit

Institut Teknologi Telkom Purwokerto
Purwokerto
2024

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini