Implementasi Naive Bayes Classifier dan Selection Sort untuk menentukan peringkat tempat wisata di Malang Raya berbasis polaritas kata pada Twitter

مستخلص البحث

تم دعم تطوير السياحة اليوم من خلال التقدم في تكنولوجيا المعلومات التي يمكن أن تجعل من السهل على الجميع الحصول على معلومات حول مكان السياحية. تلعب التكنولوجيا دورا هاما في تحسين قطاع صناعة السياحية. خلال الجولة عادة ما يشارك السياح اللحظات عن طريق تحميل الصور أو تحديد وضع على وسائل التواصل الاجتماعي المتعلقة بتجاربهم في زيارة موقع سياحي. مالانج التي لديها أنواع مختلفة من السياحة، تجعلها وجهة سياحية. ومع ذلك، فإن عدد الجولات في مالانج تجعل السياكين مرتبكين لاختيار الجولة التي سيتم زيارتها. ولهذا السبب، نحتاج إلى نظام يمكنه توفير المعلومات في شكل تصنيفات سياحية شعبية. في هذا البحث، تم إنشاء نظام يمكنه تحديد ترتيب مكان السياحية في مالانج رايا. البيانات المستخدمة منtweet مستخدمي وسائل التواصل الاجتماعي على تويتر التي ستخدمت اسم الكلمة الرئيسية لمكان السياحية في مالانج. استخدام طريقة مصنّف ساذج بايز (Naive Bayes Classifier) للمساعدة في تصنيف tweet واستخدام طريقة وفرز اختيار (Selection Sort) للمساعدة في عملية تصنيف مكان السياحية. أما نتائج البحث فهي تم الحصول عليها في التصنيف السياحي في مدينة باتو عن دقة بلغت 86.3٪، بينما في التصنيف السياحي أنتج النوع الاصطناعي لمدينة باتو دقة بنسبة 100٪. الاختلاف في الدقة نظرًا لوجود نفس القيم الإيجابية في العديد من مكان السياحية، لذلك لا يمكن أن تعمل طريقة طريقة وفرز اختيار (Selection Sort) وبسبب هذا، هناك حاجة إلى مزيد من البحث لطريقة التصنيف التي يمكن أن تحتل نفس القيمة الإيجابية لإنتاج تصنيف أفضل لمكان السياحية.

ABSTRACT

The development of tourism today has been supported by advances in information technology that can make it easier for everyone to get information about tourist attractions. Technology plays an important role in improving the tourism industry sector. During the tour, tourists usually share moments by uploading photos or making a status on social media related to their experience visiting a tourist site. Malang, which has various types of tourism, makes it a tourist destination. However, the number of tours in Malang makes tourists confused to choose the tour to be visited. Because of this we need a system that can provide information in the form of popular tourist rankings. In this research, a system that can determine the ranking of tourist attractions in Malang Raya was made. The data used comes from social media user tweets on Twitter using the keyword name of tourist attractions in Malang. The Naive Bayes Classifier method is used to help tweet classification and the Selection Sort method is used to help the ranking process of tourist attractions. The final results obtained in the Batu City tourism ranking resulted in an accuracy of 86.3%, while in the tourism rating the artificial type of Batu City produced an accuracy of 100%. The difference in accuracy occurs because there are the same positive values at several tourist attractions, so the Selection Sort method cannot work. Because of this, further research is needed for ranking methods that can rank with the same positive value so as to produce a better ranking of tourist attractions.

ABSTRAK

Perkembangan pariwisata saat ini telah didukung dengan kemajuan teknologi informasi yang dapat memudahkan setiap orang untuk mendapatkan informasi seputar tempat wisata. Teknologi berperan penting dalam meningkatkan sektor industri pariwisata. Selama berwisata, wisatawan biasanya membagikan momen dengan mengunggah foto atau membuat status di media sosial terkait pengalamannya berkunjung ke sebuah tempat wisata. Malang yang memiliki berbagai jenis wisata menjadikannya sebagai tujuan wisata. Namun, dengan banyaknya wisata di Malang membuat wisatawan bingung untuk memilih wisata yang akan dikunjungi. Oleh karena ini diperlukan suatu sistem yang dapat memberikan informasi berupa peringkat wisata yang populer. Pada penelitian ini dibuatlah sebuah sistem yang dapat menentukan peringkat tempat wisata di Malang Raya. Adapun data yang digunakan berasal dari tweet pengguna media sosial di Twitter yang menggunakan keyword nama tempat wisata di Malang Raya. Metode Naive Bayes Classifier digunakan untuk membantu klasifikasi tweet dan metode Selection Sort digunakan untuk membantu proses peringkat tempat wisata. Hasil akhir yang didapatkan pada peringkat wisata Kota Batu menghasilkan akurasi 86,3%, sedangkan pada peringkat wisata jenis buatan Kota Batu menghasilkan akurasi 100%. Perbedaan akurasi terjadi karena terdapat nilai positif yang sama pada beberapa tempat wisata, sehingga metode Selection Sort tidak dapat bekerja. Oleh karena ini pada penelitian berikutnya diperlukan metode untuk pemeringkatan yang dapat menentukan peringkat dengan nilai positif yang sama sehingga menghasilkan peringkat tempat wisata yang lebih baik.