PEMODELAN TOPIK ISU PARWISATA PULAU LOMBOK MENGGUNAKAN FOCUS WEB CRAWLER DAN LATENT DIRICHLET ALLOCATION
DOI:
https://doi.org/10.36595/jire.v7i2.1332Keywords:
Pariwisata Lombok, Pemodelan Topik, TF-IDF, Latent Dirichlet AllocationAbstract
Penelitian ini mengeksplorasi potensi pariwisata di Pulau Lombok sebagai pendorong utama perkembangan ekonomi, sosial, dan budaya lokal. Sebagai destinasi wisata yang populer, Lombok dikenal dengan keindahan alamnya yang meliputi pantai dan gunung serta kekayaan budaya suku Sasak. Penelitian ini menggunakan metode pemodelan topik seperti TF-IDF dan Latent Dirichlet Allocation (LDA) untuk menganalisis konten media sosial dan artikel berita, yang mengidentifikasi empat hingga enam tema utama terkait pariwisata Lombok, termasuk promosi destinasi, pengembangan desa wisata, dan dampak acara olahraga, seperti MotoGP. Hasil analisis menunjukkan bahwa model LDA memiliki kemampuan prediktif yang kuat dengan nilai perplexity -9.345 dan Coherence Score 0.5873, mencerminkan koherensi tematik yang baik. Model untuk komentar media sosial menunjukkan perplexity -6.276 dan Coherence Score 0.513, sedangkan model pada artikel berita online menghasilkan perplexity -8.52. Secara keseluruhan, penelitian ini menyoroti pentingnya pariwisata tidak hanya sebagai sumber pendapatan, tetapi juga sebagai penguat kehidupan sosial dan budaya masyarakat lokal, serta memberikan wawasan yang relevan bagi pengembangan pariwisata yang responsif terhadap kebutuhan wisatawan.
References
J. Mooris, “Pulau Lombok yang Menakjubkan,” Wonderfull Indonesia. Accessed: Jan. 05, 2024. [Online]. Available: https://www.indonesia.travel/id/id/destinasi/bali-nusa-tenggara/lombok
P. A. Valguna, D. Dewanti, and L. B. Suparma, “Dampak Perkembangan Pariwisata Pulau Lombok terhadap Pengembangan Bandar Udara Internasional Lombok,” Jurnal Manajemen Aset Infrastruktur & Fasilitas, vol. 4, no. 3, pp. 195–210, 2020, doi: 10.12962/j26151847.v4i3.7100.
T. Surahman, I. N. Sudiarta, and I. K. Suwena, “Dampak Pengembangan Pariwisata Terhadap Ekonomi dan Sosial Budaya Masyarakat Lokal Desa Wisata Sasak Ende Kabupaten Lombok Tengah,” Jurnal Analisis Pariwisata, vol. 20, no. 1, pp. 38–48, 2020, [Online]. Available: https://ejournal.bsi.ac.id/ejurnal/index.php/khasanah/article/view/9817
R. K. Mishra, J. A. A. Jothi, S. Urolagin, and K. Irani, “Knowledge based topic retrieval for recommendations and tourism promotions,” International Journal of Information Management Data Insights, vol. 3, no. 1, 2023, doi: 10.1016/j.jjimei.2022.100145.
J. H. Lee and M. J. Ostwald, “Latent Dirichlet Allocation (LDA) topic models for Space Syntax studies on spatial experience,” City Territory and Architecture, vol. 11, no. 1, pp. 1–20, 2024, doi: 10.1186/s40410-023-00223-3.
H. Laaroussi, F. Guerouate, and M. Sbihi, “Deep learning approach and topic modelling for forecasting tourist arrivals,” International Journal of Electrical and Computer Engineering Systems, vol. 14, no. 3, pp. 411–419, 2023.
H. Peng, J. Huang, X. Li, D. Dong, and P. Fan, “Topic Extraction Based on LDA and Its Application in Tourism,” in International Conference on Artificial Intelligence, Internet of Things and Cloud Computing Technology, 2022, pp. 52–57.
N. L. P. M. Putu, Ahmad Zuli Amrullah, and Ismarmiaty, “A nalisis Sentimen dan Pemodelan Topik Pariwisata Lombok Menggunakan Algoritma Naive Bayes dan Latent Dirichlet Allocation,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 1, pp. 123–131, 2021, doi: 10.29207/resti.v5i1.2587.
M. Kumar and R. Vig, “Term-Frequency Inverse Document Frequency Definition Semantic (TIDS) Based Focused Web Crawler,” in Global Trends in Information Systems and Software Applications, New Yoork: Springer, 2011, ch. 5, pp. 31–36.
M. Bakrey, “All about Latent Dirichlet Allocation (LDA) in NLP,” Medium. Accessed: Apr. 02, 2024. [Online]. Available: https://mohamedbakrey094.medium.com/all-about-latent-dirichlet-allocation-lda-in-nlp-6cfa7825034e
J. O. Young, “A DEFENCE OFTHE COHERENCE THEORY OFTRUTH,” 2001.
F. Jelinek, R. L. Mercer, and L. R. Bahl, “Perplexity—a measure of the difficulty of speech recognition tasks,” J Acoust Soc Am, vol. 62, no. 1, 2005.
F. Jelinek, R. L. Mercer, L. R. Bahl, and J. K. Baker, “Perplexity—a measure of the difficulty of speech recognition tasks,” J Acoust Soc Am, vol. 62, no. S1, pp. S63–S63, Dec. 1977, doi: 10.1121/1.2016299.
Published
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.