Perpustakaan Digital ITB

Salah satu cara untuk membangkitkan kembali industri pariwisata adalah dengan memperkuat promosi pariwisata baik dengan pameran, event, maupun merekomendasikan pariwisata kepada wisatawan dengan preferensi tertentu. Beberapa penelitian telah dilakukan dengan membuat sistem rekomendasi pariwisata yang dapat diterapkan untuk menjawab peluang ini. Akan tetapi, ada beberapa kendala yang tidak dapat diselesaikan dengan solusi dari penelitian tersebut berkaitan dengan ketersediaan data, terutama penggunaan data media sosial seperti Facebook dan Twitter sebagai dasar dalam merekomendasikan pariwisata. Sementara itu, tidak setiap wisatawan memiliki akun dan aktif di media sosial. Karenanya, diperlukan pendekatan baru untuk tetap dapat merekomendasikan pariwisata dengan keterbatasan tersebut. Maka dari itu, penelitian ini dilakukan dengan mengekstraksi sentimen positif dari Google Maps untuk menentukan karakteristik objek wisata di Kota Bandung Raya dengan lexicon corpus. Skor kepuasan menunjukkan 45,58% positif, 10,50% netral, dan 43,91% negatif. Hasil klasifikasi sentimen menunjukkan bahwa metode Support Vector Machine (SVM)-Bag of Words (BoW) dan SVM-Term Frequency-Inverse Document Frequency (TF-IDF) memiliki rata-rata nilai akurasi yang lebih baik daripada metode Long Short-Term Memory (LSTM). Selain itu, dengan menggunakan metode K-Means didapatkan dua kelompok objek wisata berdasarkan kemiripan karakteristiknya, yang masing-masing berjumlah 74 dan 42. Sistem rekomendasi yang dikembangkan memberikan hasil yang cukup baik dengan nilai presisi lebih dari 0,5 untuk jumlah rekomendasi empat atau lebih.