Analisis sentimen berbasis aspek pada ulasan wisata Jatim Park Group menggunakan Random Forest

INDONESIA:

Pariwisata merupakan sektor strategis yang menghasilkan jumlah ulasan digital yang besar, khususnya pada destinasi wisata tematik berskala besar seperti Jatim Park Group di Kota Batu, Jawa Timur. Ulasan tersebut memuat opini wisatawan terhadap berbagai aspek pengalaman berkunjung yang bersifat tidak terstruktur dan beragam, sehingga analisis manual menjadi tidak efisien. Penelitian ini mengusulkan pendekatan Aspect-Based Sentiment Analysis (ABSA) menggunakan algoritma Random Forest untuk mengklasifikasikan sentimen ulasan wisata Jatim Park Group berdasarkan kerangka konsep 3A, yaitu Atraksi, Aksesibilitas, dan Amenitas, serta menganalisis pengaruh jumlah pohon keputusan (n_estimators) terhadap kestabilan performa model. Data yang digunakan sebanyak 4.195 ulasan, diperoleh dari platform Google Maps dan TripAdvisor periode 2020–2025. Ekstraksi fitur teks dilakukan menggunakan metode TF-IDF, sedangkan anotasi data dilakukan secara otomatis menggunakan Large Language Model dengan tingkat kesesuaian validasi pakar sebesar 82%. Pengujian dilakukan melalui dua tahap klasifikasi, yaitu Klasifikasi Aspek dan Klasifikasi Sentimen, pada 4 skenario yang memvariasikan rasio pembagian data dan nilai n_estimators. Hasil penelitian menunjukkan bahwa konfigurasi terbaik diperoleh pada skenario 4 dengan rasio pembagian data 80:20 dan n_estimators 200, menghasilkan rata-rata F1-score Klasifikasi Aspek sebesar 0,61 dan Klasifikasi Sentimen sebesar 0,94. Performa model mencerminkan karakteristik data ulasan wisata secara nyata bahwa aspek Atraksi mendominasi ulasan pengunjung, tercermin dari tingginya performa model pada aspek tersebut dibandingkan aspek Aksesibilitas dan Amenitas.

ENGLISH:

Tourism represents a strategic sector that generates a substantial volume of digital reviews, particularly for large-scale thematic destinations such as the Jatim Park Group in Batu City, East Java. These reviews contain tourist opinions regarding various aspects of their visiting experiences, which are unstructured and diverse, thereby rendering manual analysis inefficient. This study proposes an Aspect-Based Sentiment Analysis (ABSA) approach utilizing the Random Forest algorithm to classify the sentiment of Jatim Park Group tourism reviews based on the 3A conceptual framework (Attraction, Accessibility, and Amenity), while also analyzing the effect of the number of decision trees (n_estimators) on the stability of model performance. The dataset comprises 4,195 reviews sourced from Google Maps and TripAdvisor platforms spanning the 2020–2025 period. Text feature extraction was performed using the TF-IDF method, whereas data annotation was executed automatically employing a Large Language Model, achieving an expert validation agreement rate of 82%. Testing was conducted through two independent classification stages: Aspect Classification and Sentiment Classification, across four scenarios that varied the data split ratios and n_estimators values. The results demonstrate that the optimal configuration was achieved in scenario 4, with an 80:20 data split ratio and an n_estimators value of 200, yielding an average F1-score of 0.61 for Aspect Classification and 0.94 for Sentiment Classification. The model performance aligns with the empirical characteristics of the review data, demonstrating that the dominance of the Attraction aspect within visitor reviews directly corresponds to the higher classification accuracy in that specific aspect compared to the Accessibility and Amenity aspects.

ARABIC:

ُعدّ السياحة قطاعاً استراتيجياً يُنتج حجماً كبيراً من المراجعات الرقمية، لا سيما في الوجهات السياحية الموضوعية الكبرى كمجموعة جاتيم بارك في مدينة باتو، جاوى الشرقية. تحتوي هذه المراجعات على آراء السياح حول جوانب متعددة من تجربة الزيارة، وهي ذات طابع غير منظم ومتنوع، مما يجعل التحليل اليدوي غير فعّال. تقترح هذه الدراسة نهج تحليل المشاعر القائم على الجوانب (ABSA) باستخدام خوارزمية الغابة العشوائية (Random Forest) لتصنيف مشاعر مراجعات سياحة مجموعة جاتيم بارك وفق إطار مفهوم 3A، وهي الجاذبية والإمكانية والمرافق، فضلاً عن تحليل تأثير عدد أشجار القرار (n_estimators) على استقرار أداء النموذج. تتكون البيانات المستخدمة من 4.195 مراجعة مستخرجة من منصتَي Google Maps و TripAdvisor للفترة الممتدة من 2020 إلى 2025. جرى تمثيل ميزات النص باستخدام طريقة TF-IDF، فيما نُفِّذ التوصيف التلقائي للبيانات بواسطة نموذج لغوي كبير (Large Language Model) بمعدل توافق مع تحقق الخبراء بلغ 82٪. أُجري الاختبار عبر مرحلتين مستقلتين من التصنيف، هما تصنيف الجوانب وتصنيف المشاعر، وذلك عبر أربعة سيناريوهات تتباين في نسبة تقسيم البيانات وقيمة n_estimators. أظهرت النتائج أن أفضل تهيئة تحققت في السيناريو الرابع بنسبة تقسيم بيانات 80:20 وقيمة n_estimators تساوي 200، محققةً متوسط F1-score بلغ 0.61 لتصنيف الجوانب و0.94 لتصنيف المشاعر. يعكس أداء النموذج الخصائص الطبيعية لبيانات مراجعات السياحة، إذ تجلّت هيمنة جانب الجاذبية في مراجعات السياح من خلال ارتفاع أداء النموذج على هذا الجانب مقارنةً بجانبَي إمكانية الوصول والمرافق.