Analisis Sentimen Berbasis Aspek pada Wisata Halal dengan Metode Deep Learning

Risca Naquitasia, Dhomas Hatta Fudholi, Lizda Iswari

Abstract


Wisata halal kini tengah menjadi tren seiring dengan meningkatnya jumlah populasi wisatawan muslim. Wisata halal merupakan bagian dari sektor pariwisata yang menawarkan pelayanan dengan merujuk kepada aturan-aturan Islam. Dengan berkembangnya wisata halal, mulai muncul ulasan tempat wisata yang berkaitan dengan fasilitas yang dapat memudahkan wisatawan muslim. Fasilitas tersebut meliputi kebersihan toilet, ketersediaan tempat ibadah, serta ketersediaan makanan halal. Namun sayangnya, sangat sedikit yang menganalisis ulasan mengenai persoalan ini. Oleh karena itu, melalui penelitian ini dilakukan analisis sentimen berbasis aspek terhadap tempat wisata di negara Asia menggunakan metode deep learning. Metode ini digunakan karena menghasilkan akurasi performa yang baik. Data yang digunakan adalah ulasan berbahasa inggris yang diambil dari website TripAdvisor. Data tersebut kemudian diolah dan diproses sehingga dapat mengenali sentimen dan juga aspek dari ulasan tersebut. Terdapat tiga aspek yang digunakan yaitu mosque, halal food, dan toilet. Setelah dilakukan pengujian, metode CNN mendapatkan hasil akurasi tertinggi jika dibandingkan dengan metode lainnya baik pada klasifikasi aspek maupun klasifikasi sentimen. Dengan metode CNN, klasifikasi aspek menghasilkan akurasi sebesar 98.299%. Sedangkan klasifikasi sentimen mendapatkan akurasi sebesar 93.96%. Hasil penelitian ini diharapkan dapat membantu mengembangkan strategi untuk lebih memajukan wisata halal.

Full Text:

PDF

References


R. S. Asa, “an Overview of the Developments of Halal Certification Laws in Malaysia, Singapore, Brunei and Indonesia,” J. Syariah, vol. 27, no. 1, pp. 173–200, 2019.

M. CrescentRating, “Global Muslim Travel Index 2019.” April, 2019.

H. El-Gohary, “Halal tourism, is it really Halal?,” Tour. Manag. Perspect., vol. 19, pp. 124–130, Jul. 2016, doi: 10.1016/j.tmp.2015.12.013.

V. Paramarta, R. R. V. K. Dewi, F. Rahmanita, S. Hidayati, and D. Sunarsi, “Halal Tourism in Indonesia: Regional Regulation and Indonesian Ulama Council Perspective,” Int. J. Criminol. Sociol., vol. 10, pp. 497–505, 2021.

B. Liu, “Sentiment Analysis and Opinion Mining,” Synth. Lect. Hum. Lang. Technol., vol. 5, no. 1, pp. 1–167, May 2012, doi: 10.2200/S00416ED1V01Y201204HLT016.

L. Zhang, S. Wang, and B. Liu, “Deep learning for sentiment analysis: A survey,” WIREs Data Min. Knowl. Discov., vol. 8, no. 4, p. e1253, Jul. 2018, doi: 10.1002/widm.1253.

A. Feizollah, S. Ainin, N. B. Anuar, N. A. B. Abdullah, and M. Hazim, “Halal Products on Twitter: Data Extraction and Sentiment Analysis Using Stack of Deep Learning Algorithms,” IEEE Access, vol. 7, pp. 83354–83362, 2019, doi: 10.1109/ACCESS.2019.2923275.

S. Ainin, A. Feizollah, N. B. Anuar, and N. A. Abdullah, “Sentiment analyses of multilingual tweets on halal tourism,” Tour. Manag. Perspect., vol. 34, p. 100658, Apr. 2020, doi: 10.1016/j.tmp.2020.100658.

R. A. N. Nayoan, A. F. Hidayatullah, and D. H. Fudholi, “Convolutional Neural Networks for Indonesian Aspect-Based Sentiment Analysis Tourism Review,” in 2021 9th International Conference on Information and Communication Technology (ICoICT), 2021, pp. 60–65.

K. Zhou and F. Long, “Sentiment Analysis of Text Based on CNN and Bi-directional LSTM Model,” in 2018 24th International Conference on Automation and Computing (ICAC), 2018, pp. 1–5, doi: 10.23919/IConAC.2018.8749069.

M. Al-Smadi, B. Talafha, M. Al-Ayyoub, and Y. Jararweh, “Using long short-term memory deep neural networks for aspect-based sentiment analysis of Arabic reviews,” Int. J. Mach. Learn. Cybern., vol. 10, no. 8, pp. 2163–2175, 2019.

N. C. Dang, M. N. Moreno-García, and F. De la Prieta, “Sentiment Analysis Based on Deep Learning: A Comparative Study,” Electronics , vol. 9, no. 3. 2020, doi: 10.3390/electronics9030483.

Y.-C. Chang, C.-H. Ku, and C.-H. Chen, “Using deep learning and visual analytics to explore hotel reviews and responses,” Tour. Manag., vol. 80, p. 104129, 2020, doi: https://doi.org/10.1016/j.tourman.2020.104129.

M. Rhanoui, M. Mikram, S. Yousfi, and S. Barzali, “A CNN-BiLSTM model for document-level sentiment analysis,” Mach. Learn. Knowl. Extr., vol. 1, no. 3, pp. 832–847, 2019.

P. M. Sosa, “Twitter sentiment analysis using combined LSTM-CNN models,” Eprint Arxiv, pp. 1–9, 2017.

B. S. Lakshmi, P. S. Raj, and R. R. Vikram, “Sentiment analysis using deep learning technique CNN with KMeans,” Int. J. pure Appl. Math., vol. 114, no. 11, pp. 47–57, 2017.

S. Minaee, E. Azimi, and A. Abdolrashidi, “Deep-sentiment: Sentiment analysis using ensemble of cnn and bi-lstm models,” arXiv Prepr. arXiv1904.04206, 2019.




DOI: https://doi.org/10.33365/jti.v16i2.1516

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Risca Naquitasia, Dhomas Hatta Fudholi, Lizda Iswari

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JURNAL TEKNOINFO
Published by Universitas Teknokrat Indonesia
Organized by Prodi S1 Informatika FTIK Universitas Teknokrat Indonesia

W: http://ejurnal.teknokrat.ac.id/index.php/teknoinfo/index
E : teknoinfo@teknokrat.ac.id.
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhan Ratu, Bandarlampung

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jumlah Pengunjung : View Teknoinfo StatsCounter

Flag Counter