Penerapan Algoritma BERT dalam Analisis Sentimen Opini Publik terhadap Destinasi Wisata dengan Metode CRISP-DM

Abstract

Penelitian ini bertujuan untuk menganalisis opini publik terhadap destinasi wisata di Pulau Lombok menggunakan algoritma BERT (Bidirectional Encoder Representations from Transformers) dengan pendekatan metodologi CRISP-DM (Cross Industry Standard Process for Data Mining). Pulau Lombok dipilih sebagai studi kasus karena memiliki potensi pariwisata yang tinggi, namun pemanfaatan analisis sentimen berbasis pembelajaran mendalam terhadap ulasan wisatawan masih relatif terbatas. Data penelitian diperoleh dari platform Google Maps sebanyak 5.945 ulasan wisatawan, yang setelah melalui tahap pembersihan data (data cleaning) menghasilkan 4.972 data ulasan yang valid. Proses analisis mengikuti tahapan CRISP-DM hingga tahap evaluasi, meliputi pemahaman bisnis, pemahaman data, persiapan data, pemodelan, dan evaluasi. Model BERT dilatih melalui proses fine-tuning dengan penerapan weighted loss dan weighted random sampler untuk mengatasi permasalahan ketidakseimbangan kelas sentimen. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 0,9209, Weighted F1-Score sebesar 0,9054, dan Macro F1-Score sebesar 0,6293. Kinerja terbaik diperoleh pada kelas sentimen positif dengan nilai F1-score sebesar 0,96, diikuti oleh kelas negatif dengan nilai 0,71, sementara kelas netral menunjukkan performa terendah dengan nilai F1-score sebesar 0,22. Temuan ini menunjukkan bahwa algoritma BERT efektif dalam mengklasifikasikan sentimen ulasan berbahasa Indonesia pada domain pariwisata, meskipun masih terdapat tantangan dalam menangani kelas minoritas. Penelitian ini berkontribusi secara akademik dalam pengembangan analisis sentimen berbasis transformer dan secara praktis memberikan wawasan bagi pemangku kepentingan dalam meningkatkan kualitas layanan serta strategi pengelolaan destinasi wisata di Pulau Lombok.