Analisis Sentimen Berbasis Aspek Pada Wisata Halal Dengan Deep Learning

Abstract

Wisata halal adalah layanan pariwisata untuk memenuhi kebutuhan muslim sesuai syariat islam. Wisata halal kini banyak disorot oleh publik seiring dengan meningkatnya jumlah populasi wisatawan muslim. Pemilik obyek wisata saat ini perlu mulai memperhatikan fasilitas tempat wisatanya dari segi penikmat wisata halal agar semakin banyak dikunjungi oleh wisatawan-wisatawan muslim. Dengan banyaknya ulasan yang masuk, dibutuhkan aspect based sentiment analysis untuk dapat memetakan kekurangan serta kelebihan dari tempat wisata. Hasil pemetaan ini nantinya bisa digunakan pemilik wisata dalam pengembangan tempat wisata. Oleh karena itu, melalui penelitian ini dilakukan analisis sentimen berbasis aspek terhadap tempat wisata di negara Asia dengan membandingkan dua metode deep learning. Convolutional neural network (CNN) dipilih karena pada domain sentimen analisis metode ini memberikan hasil terbaik dari metode lain. Sementara bidirectional long short term memory (BiLSTM) digunakan karena metode ini cocok untuk klasifikasi teks dibandingkan dengan long short term memory (LSTM). Data yang digunakan adalah ulasan berbahasa Inggris mengenai objek wisata di wilayah negara Asia yang diambil dari situs TripAdvisor. Data tersebut kemudian diolah dan diproses sehingga dapat digunakan untuk mencari sentimen dan juga aspek dari ulasan. Terdapat tiga aspek yang digunakan yaitu mosque, halal food, dan toilet. Setelah dilakukan evaluasi, model dengan metode Convolutional Neural Network mendapatkan hasil akurasi tertinggi. Klasifikasi aspek mendapatkan akurasi sebesar 98.3%, sedangkan klasifikasi sentimen mendapatkan akurasi sebesar 83.69%. Pada saat pengujian, dilakukan visualisasi data yang memperlihatkan sisi sentimen positif dan negatif terhadap aspek. Hasil penelitian ini dapat digunakan sebagai pertimbangan pelaku wisata dalam mengembangkan konsep wisata halal.