Pipeline Text Mining Terintegrasi untuk Analisis Komparatif Destinasi Pariwisata melalui Sentiment Analysis, Topic Modeling, dan Social Network Analysis

Abstract

Sektor pariwisata Indonesia berperan vital bagi perekonomian nasional, namun ulasan digital wisatawan yang menyoroti pungutan liar, sampah, dan fasilitas buruk berpotensi mencoreng citra destinasi tanpa terdeteksi melalui rating bintang semata. Penelitian ini membandingkan dua destinasi Nusa Tenggara Timur yang berkarakter kontras, yaitu Desa Wae Rebo (wisata budaya, 1.102 ulasan) dan Taman Nasional Komodo (wisata alam, 715 ulasan), yang dikumpulkan dari Google Maps Reviews menggunakan Apify Client. Penelitian ini bertujuan mengungkap kesenjangan antara rating bintang dan sentimen aktual wisatawan serta memetakan tema keluhan dan korelasi pengalaman antar destinasi. Pipeline text mining tiga tahap dibangun secara paralel dan setara untuk kedua destinasi: preprocessing tujuh langkah, analisis sentimen leksikon InSet, dan klasifikasi menggunakan SVM, Random Forest, dan Naive Bayes; klasterisasi K-Means dengan reduksi dimensi SVD serta topic modeling LDA; dan Social Network Analysis (SNA) berbasis jaringan ko-okurensi kata dan graf bipartite. Hasil menunjukkan sentimen negatif justru mendominasi kedua destinasi (Wae Rebo 54,17%; Komodo 55,24%) meskipun rating bintang 5 mendominasi (79,6% dan 61,9%), mengindikasikan discrepancy antara rating dan isi ulasan. Random Forest menjadi model terbaik untuk Komodo (74,83%) sementara SVM dan Random Forest setara untuk Wae Rebo (87,78%). Klasterisasi menghasilkan struktur bimodal (k=2) dengan Silhouette Score di atas 0,79 pada kedua destinasi, sementara topic modeling mengekstrak 3 topik untuk Wae Rebo dan 2 topik untuk Komodo. Analisis SNA mengungkap 22 kata jembatan yang menghubungkan kedua destinasi dalam jaringan pengalaman wisatawan. Dashboard interaktif berbasis Streamlit dengan sembilan panel navigasi dikembangkan untuk mendukung pemantauan sentimen secara berkala oleh pengelola destinasi.