Analisis eWOM terhadap Destinasi Wisata Super Prioritas Menggunakan Text Mining
DOI:
https://doi.org/10.31004/ijmst.v1i3.227Keywords:
Destinasi Super Prioritas, Kemenparekraf, eWOM, Pariwisata, Text MiningAbstract
Sektor pariwisata di Indonesia menjadi salah satu sektor yang terkena dampak negatif dari Covid-19. Dalam meningkatkan kembali kunjungan pariwisata di Indonesia sebagai dampak dari Covid-19, pada tahun 2021 Kementerian Pariwisata dan Ekonomi Kreatif Pemerintah Indonesia menetapkan 5 Destinasi Wisata Super Prioritas yang terdiri dari Borobudur, Danau Toba, Labuan Bajo, Likupang, dan Mandalika. Setelah 2 tahun berjalan, pada tahun 2023 pemerintah akan menciptakan program-program baru untuk 5 destinasi wisata super prioritas tersebut. Akan tetapi, hingga saat ini belum adanya suatu analisis opini dari masyarakat mengenai kelima destinasi tersebut. Padahal, suatu eWOM yang tersebar di suatu media sosial dapat memiliki efek yang signifikan terhadap image dari suatu destinasi. Oleh karena itu, penelitian ini bertujuan untuk mengetahui bagaimana eWOM terhadap 5 destinasi super prioritas yang telah ditetapkan oleh pemerintah, sehingga dapat memberikan rekomendasi kepada pemerintah dalam program pengembangan 5 destinasi super prioritas. Penelitian ini menggunakan salah satu metode Text Mining yakni Sentiment Analysis dengan menggunakan data dari media sosial Twitter pada tanggal 1-30 Juni 2023. Tahapan dalam penelitian ini adalah pengumpulan data, persiapan data, pengolahan data, dan analisis hasil. Hasil dari penelitian ini menunjukkan bahwa destinasi wisata Likupang dan Mandalika merupakan destinasi yang memerlukan perhatian lebih dari pemerintah, mengingat masih kurangnya sentimen positif pada kedua destinasi tersebut. Adapun destinasi Borobudur, Danau Toba, dan Labuan Bajo telah memiliki image positif dimata masyarakat, melihat dari hasil sentimen positif yang lebih tinggi dan stabil dari waktu ke waktu.
References
Aryanti, D. (2022). Analisis Sentimen Ibukota Negara Baru Menggunakan Metode Naïve Bayes Classifier. Journal of Information System Research (JOSH), 3(4), 524-531.
Badan Pusat Statistik. (2017). Jumlah Kunjungan Wisman ke Indonensia bulan Desember 2020 mencapai 164,09 ribu junjungan. Dapat diakses pada: https://www.bps.go.id /pressrelease/2021/02/01/1796/jumlah-kunjungan-wisman-ke-indonesia-bulan-desember-2020-mencapai-164-09-ribu-kunjungan-.html
Das, S., Mondal, S., Puri, V., & Vrana, V. (2022). Structural review of relics tourism by text mining and machine learning. Journal of Tourism, Heritage & Services Marketing (JTHSM), 8(2), 25-34
Dewia, N. P. A., ERa, N. A. S., Karyawatia, A. E., Made, I. B., Mahendraa, I. B. G. D., & Wibawaa, I. G. A. (2023). Analisis Sentimen Berbasis Aspek Ulasan Pelanggan Hotel di Bali Menggunakan Metode Decision Tree. Jurnal Elektronik Ilmu Komputer Udayana p-ISSN, 2301, 5373.
Fanissa, S., Fauzi, M. A., & Adinugroho, S. (2018). Analisis Sentimen Pariwisata di Kota Malang Menggunakan Metode Naive Bayes dan Seleksi Fitur Query Expansion Ranking. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(8), 2766-2770.
Fitriyyah, S. N. J., Safriadi, N., & Pratama, E. E. (2019). Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes. JEPIN (Jurnal Edukasi dan Penelitian Informatika), 5(3), 279-285.
Hofmann, M., & Chisholm, A. (Eds.). (2016). Text mining and visualization: Case studies using open-source tools (Vol. 40). CRC Press.
Kementerian Pariwisata dan Ekonomi Kreatif. (2021). Alasan Menparekraf Fokus Kembangkan 5 Destinasi Super Prioritas. Dapat diakses pada: https://kemenparekraf.go.id/ragam- pariwisata/Alasan-Menparekraf-Fokus-Kembangkan-5-Destinasi-Super-Prioritas
Kementerian Pariwisata dan Ekonomi Kreatif. (2021). Persiapan Sektor Pariwisata Indonesia di Era Next Normal. Dapat diakses pada: https://kemenparekraf.go.id/ragam-pariwisata/ Persiapan-Sektor-Pariwisata-Indonesia-di-Era-Next-Normal
Putu, N. L. P. M., & Amrullah, A. Z. (2021). Analisis Sentimen dan Pemodelan Topik Pariwisata Lombok Menggunakan Algoritma Naive Bayes dan Latent Dirichlet Allocation. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(1), 123-131.
Prasetya, Y. N., & Winarso, D. (2021). Penerapan Lexicon Based Untuk Analisis Sentimen Pada Twiter Terhadap Isu Covid-19. J. Fasilkom, 11(2), 97-103. DOI: https://doi.org/10.37859/jf.v11i2.2772
Rismayani, R., Hasyrif, S. Y., Darwansyah, T., & Mansyur, I. (2022). Implementasi Algoritma Text Mining dan Cosine Similarity untuk Desain Sistem Aspirasi Publik Berbasis Mobile. Komputika: Jurnal Sistem Komputer, 11(2), 169-176.
Saraswati, M., & Riminarsih, D. (2021). Analisis Sentimen Terhadap Pelayanan Krl Commuterline Berdasarkan Data Twitter Menggunakan Algortima Bernoulli Naive Bayes. Jurnal Ilmiah Informatika Komputer, 25(3), 225-238.
Setiawan, P. Y., Troena, E. A., & Armanu, N. (2014). The effect of e-WOM on destination image, satisfaction and loyalty. International Journal of Business and Management Invention, 3(1), 22-29.
Sugihamretha, I. D. G. (2020). Respon kebijakan: Mitigasi dampak wabah Covid-19 pada sektor pariwisata. Jurnal Perencanaan Pembangunan: The Indonesian Journal of Development Planning, 4(2), 191-206.
Steven, C., & Wella, W. (2020). The right sentiment analysis method of Indonesian tourism in social media Twitter. IJNMT (International Journal of New Media Technology), 7(2), 102-110.
Utama, H. S., Rosiyadi, D., Prakoso, B. S., & Ariadarma, D. (2019). Analisis sentimen sistem ganjil genap di tol Bekasi menggunakan algoritma Support Vector Machine. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 3(2), 243-250.
Utami, D. S., & Erfina, A. (2022). Analisis Sentimen Objek Wisata Bali Di Google Maps Menggunakan Algoritma Naive Bayes. J-SAKTI (Jurnal Sains Komputer dan Informatika), 6(1), 418-427
Wankhade, M., Rao, A. C. S., & Kulkarni, C. (2022). A survey on sentiment analysis methods, applications, and challenges. Artificial Intelligence Review, 55(7), 5731-5780.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Indonesian Journal of Multidisciplinary on Social and Technology
This work is licensed under a Creative Commons Attribution 4.0 International License.