Analisis Sentimen pada Instagram Terhadap Wisata di Kabupaten Banyuwangi Menggunakan Metode Support Vector Machine

Abstract

Perkembangan teknologi dan media sosial digital saat ini semakin canggih dan menjadi bagian penting dalam kehidupan sehari-hari. Media sosial seperti Instagram menjadi platform informasi digital yang memudahkan masyarakat untuk bersosialisasi, mencari informasi, dan berpromosi. Instagram yang berbentuk foto dan video juga menyediakan fasilitas komunikasi yang lengkap, termasuuk untuk branding pariwisata dan fotografi konten. Menurut beberapa penelitian, Instagram dapat mempengaruhi persepsi dan perilaku warganet, terutama dalam tahap pra-kunjungan ke destinasi wisata. Indonesia memiliki potensi pariwisata yang besar melalui wisata alam dan kebudayaan. Salah satu strategi untuk memperkenalkan objek wisata adalah melalui city branding, seperti yang dilakukan oleh Negara Paris dengan dengan brand “The City of Light”. Banyuwangi yang memiliki potensi alam yang beragam menerapkan city branding “Banyuwangi, The Sunrise of Java” sejak 2010 untuk menarik wisatawan. Destinasi wisata alam seperti Pulau Merah, Gunung Ijen, dan Taman Nasional baluran menjadi daya tarik utama. Banyuwangi juga memanfaatkan media sosial, terutama Instagram untuk mempromosikan wisata alamnya. Pada 2016, Banyuwangi menjadi salah satu dari 10 destinasi prioritas yang dibranding oleh Kementerian Pariwisata Indonesia melalui akun Intagram resmi Wonderful Indonesia. Analisis sentimen terhadap branding ini penting untuk mengetahui respon pengikut dan minat wisatawan. Analisis sentimen yang dilakukan pada penelitian ini menggunakan metode Support Vector Machine (SVM) dan diinterpretasikan ke dalam model Shapley Addictive Explanation (SHAP). Data yang digunakan diambil dari komentar yang ada pada postingan akun Wonderful Indonesia tentang wisata di Kabupaten Banyuwangi pada tanggal pengunggahan 18 Mei 2019 − 18 Juli 2023. Data yang berhasil dikumpulkan yaitu sebanyak 1.612 data yang kemudian dilakukan proses preprocessing menghasilkan 670 data dengan 633 komentar berlabel positif dan 37 komentar berlabel negatif. Data yang sudah sesuai atau relevan dengan wisata di Kabupaten banyuwangi dan sudah berlabel kemudian dilakukan preprocesing guna memastikan hasil analisis atau pemodelan yang akurat, efisien, dan dapat diinterpretasikan. Setelah selesai, data diberikan pembobotan menggunakan TF-IDF yang kemudian displit dengan perbandingan proporsi data training dan data testing yaitu 80:20. Klasifikasi SVM pada penelitian ini menggunakan kernel linier dengan nilai parameter C=1 dan akurasi 95,3%. Kinerja model SVM kemudian dievaluasi dengan mendapatkan nilai confusion matrix. Hasilnya adalah akurasi sebesar 94,59% pada data training, 94,78% pada data testing, 94,74 pada nilai precision, 100% pada nilai recall, dan 97,3% pada nilai f1-score. Dari besarnya nilai-nilai akurasi tersebut, maka dapat dikatakan bahwa klasifikasi SVM pada penelitian data ini bekerja dengan baik. Interpretasi terhadap hasil SVM yang telah dilakukan kemudian dilakukan dengan menggunakan Shapley Addictive Explanation (SHAP). Visualisasi SHAP dibagi menjadi dua, yaitu secara lokal dan secara global. Visualisasi secara lokal ditunjukkan dengan menggunakan force plot, sedangkan visualisasi secara global ditunjukkan dengan menggunakan summary plot dan feature importance. Hasil yang didapatkan yaitu terdapat beberapa kata-kata yang berkontribusi besar dalam memprediksi sebuah sentimen positif atau negatif. Kata-kata seperti “bagus”, “luarbiasa”, “wow” menjadi kata yang diprediksi menjadi sentimen positif. Kata-kata seperti “edit”, “mistis”, “sulit” menjadi kata yang diprediksi menjadi sentimen negatif.