Saloka Theme Park: Ulasan Pengunjung Diolah Jadi Data Cerdas Lewat Kecanggihan AI
Saloka Theme Park, taman hiburan terbesar di Jawa Tengah, tak hanya menyuguhkan wahana seru bagi pengunjung, tapi juga menyimpan segudang cerita lewat ulasan-ulasan pengunjungnya di platform Traveloka. Tapi, pernahkah Anda membayangkan bagaimana ratusan ulasan tersebut bisa digunakan untuk menyusun strategi pelayanan wisata yang lebih baik?
Itulah yang menjadi fokus penelitian kami: mengolah 740 ulasan Saloka menjadi data berharga lewat teknologi machine learning dan kecerdasan buatan (Artificial Intelligence/AI). Kami menggunakan dua algoritma populer, yaitu Support Vector Machine (SVM) dan Naive Bayes (NB), untuk mengklasifikasikan apakah suatu ulasan bernada positif atau negatif. Tak hanya itu, kami juga menerapkan metode optimasi bernama Particle Swarm Optimization (PSO) agar mesin bisa bekerja lebih cerdas.
Ketika Komputer Belajar dari Ulasan
Bayangkan sebuah sistem komputer yang mampu membaca, mencerna, dan memahami ribuan kalimat seperti: "Wahananya seru banget, tapi antre tiketnya lama." Sistem ini tidak hanya melihat kata per kata, tapi belajar mengenali pola emosi dari setiap kalimat.
Kami melakukan tahap awal berupa pembersihan teks: menghapus kata-kata tak penting, simbol, dan menyamakan bentuk kata. Lalu, setiap kalimat diubah menjadi angka-angka berdasarkan frekuensi kata (TF-IDF). Di sinilah komputer mulai bekerja untuk mengidentifikasi sentimen.
SVM vs Naive Bayes: Mana yang Lebih Tajam?
Tanpa bantuan PSO, model SVM mencatat akurasi 89%---cukup tinggi. Sementara NB sedikit lebih rendah, 86%. Tapi menariknya, setelah kami optimasi dengan PSO, NB menjadi lebih seimbang dalam mengenali ulasan positif dan negatif, walau akurasi total sedikit menurun jadi 85%.
Sementara SVM justru menurun kinerjanya setelah dioptimasi, menunjukkan bahwa tak semua algoritma cocok dioptimasi dengan pendekatan yang sama.
Apa Gunanya Bagi Pengelola Wisata?
Dengan sistem seperti ini, pengelola wisata seperti Saloka dapat:
