KLASIFIKASI SENTIMEN WISATAWAN MUSEUM GEDUNG JUANG 45 BEKASI BERDASARKAN ULASAN GOOGLE MAPS DENGAN ALGORITMA KNN

Abstract

Perkembangan teknologi digital memungkinkan pemanfaatan ulasan pengguna pada platform seperti Google Maps sebagai sumber data dalam memahami persepsi publik terhadap destinasi wisata.
Namun, banyaknya data ulasan yang bersifat tidak terstruktur menjadi tantangan dalam menganalisis opini secara manual. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan wisatawan terhadap Museum Gedung Juang 45 Bekasi secara otomatis dengan pendekatan text mining. Metode yang digunakan meliputi pengumpulan data ulasan melalui SerpAPI, dilanjutkan dengan tahapan preprocessing (cleaning, case folding, normalisasi, stemming, stopword removal), dan pembobotan fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Proses klasifikasi dilakukan dengan algoritma K-Nearest Neighbor (KNN). Hasil klasifikasi menunjukkan bahwa 67% ulasan tergolong positif, 22% negatif, dan 11% netral, dengan akurasi model mencapai 74% dan skor F1 rata-rata 0,52. Temuan ini menunjukkan bahwa KNN cukup efektif dalam mengidentifikasi persepsi publik, serta dapat digunakan sebagai dasar pengambilan keputusan untuk peningkatan kualitas layanan museum.