Clustering Aspek Ulasan yang Didukung Contrastive Learning untuk Analisis Faktor yang Memengaruhi Turis saat Berwisata di Destinasi Super Prioritas

Riyana, Muchammad Rafli (2023) Clustering Aspek Ulasan yang Didukung Contrastive Learning untuk Analisis Faktor yang Memengaruhi Turis saat Berwisata di Destinasi Super Prioritas. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05211940000081-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (4MB)

Abstract

Pariwisata merupakan salah satu sektor penting dalam pertumbuhan ekonomi di Indonesia. Meski Indonesia memiliki beragam destinasi wisata, Bali tetap menjadi destinasi unggulan. Dari situlah pemerintah Indonesia mulai mengembangkan strategi yang berfokus pada lima destinasi wisata berpotensi tinggi yang disebut Destinasi Super Prioritas (DSP) untuk mengeluarkan potensi daerah lain dan mendorong pertumbuhan pariwisata. Penting bahwa investasi ini dilakukan secara menyeluruh dan tepat sasaran. Untuk itu diperlukan data tidak hanya dari pemangku kepentingan tetapi juga dari pendapat turis secara langsung untuk menentukan faktor-faktor yang memengaruhi turis tersebut saat berwisata. Penelitian sebelumnya telah melakukan ekstraksi berbasis aspek dan analisis sentimen pada ulasan yang biasa ditemukan di situs web perjalanan untuk memahami pendapat turis dengan lebih baik. Namun, hal tersebut bekerja hanya pada tingkat aspek individu tanpa menyadari bahwa istilah aspek yang berbeda mungkin mewakili hal yang sama. Misalkan didapatkan aspek staf dan aspek pelayanan. Kedua hal tersebut dapat masuk ke dalam topik yang sama, namun di penelitian sebelumnya masih dikategorikan sebagai dua hal yang berbeda. Padahal, dengan luasnya aspek yang ada di bidang pariwisata, penting untuk mengelompokkan aspek dari kategori yang sama untuk memudahkan analisis faktor yang memengaruhi turis. Dengan demikian, penelitian ini berfokus untuk melakukan analisis tersebut dengan cara mengelompokkan aspek berdasarkan topik sejenis menggunakan metode Supporting Clustering with Contrastive Learning (SCCL) karena sudah dibuktikan keberhasilannya dalam melakukan clustering tingkat short text. Berdasarkan penelitian tersebut, algoritma SCCL berhasil melakukan clustering terhadap aspek ulasan dari DSP, namun hasilnya belum cukup baik, dimana nilai terbaik NMI 43.12% dan akurasinya 42.60%. Hasil terbaik algortima SCCL tersebut menghasilkan 8 cluster akhir, antara lain FnB 1, FnB 2, FnB 3, Facility 1, Facility 2, Nature Attraction 1, Nature Attraction 2, dan juga Service.
=======================================================================================================================================
Tourism is one of the crucial sectors for economic growth in Indonesia. Despite the variety of tourist destinations in Indonesia, Bali is still the leading destination. Therefore, the Indonesian government has developed a strategy focusing on five high-potential areas called the Super Priority Destinations (DSPs) to bring out the potential of other regions and boost tourism growth. It is vital that this investment is carried out thoroughly and on target. For that, we need data not only from stakeholders but also from tourists' opinions directly to determine the factor that affect these tourists when traveling. Previous studies have performed aspect-based extraction and sentiment analysis on reviews commonly found on travel websites to understand tourist opinions better. However, they work only on the level of individual aspects without recognizing that different aspect terms might represent the same thing. For example, we get staff aspects and service aspects. Both can be included in the same topic, but in previous research, they were still categorized as two different things. In fact, with the wide range of aspects in the field of tourism, it is essential to group aspects from the same category to facilitate the analysis of factors that affect tourist. Thus, this study focuses on conducting this analysis by grouping aspects based on similar topics using the Supporting Clustering with Contrastive Learning (SCCL) method because it has proven its success in clustering at the short text level. Based on this research, the SCCL algorithm succeeded in clustering the review aspects of the DSP, but the results were not good enough, where the best value was 43.12% NMI and 42.60% accuracy. The best results of the SCCL algorithm resulted in 8 final clusters, including FnB 1, FnB 2, FnB 3, Facility 1, Facility 2, Nature Attraction 1, Nature Attraction 2, and also Service.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	SCCL, aspect clustering, contrastive learning, super priority destionation, tourism, SCCL, aspect clustering, contrastive learning, destinasi super prioritas, pariwisata.
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G155 Tourism Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA278.5 Principal components analysis. Factor analysis. Correspondence analysis (Statistics)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Muchammad Rafli Riyana
Date Deposited:	26 Jul 2023 04:35
Last Modified:	26 Jul 2023 04:35
URI:	http://repository.its.ac.id/id/eprint/99452

Actions (login required)

View Item