Pemodelan Topik dan Analisis Sentimen Ulasan Google Maps untuk Daya Saing Taman Nasional di Pulau Jawa
DOI:
https://doi.org/10.25077/TEKNOSI.v12i2.2026.160-171Kata Kunci:
Ulasan Daring, Kepuasan Pengunjung, Taman Nasional, Pemodelan Topik, Analisis SentimenAbstrak
Transformasi digital mendorong perubahan cara wisatawan membentuk persepsi dan mengevaluasi destinasi wisata melalui ulasan daring. Pada taman nasional di Pulau Jawa, representasi destinasi melalui electronic word-of-mouth (e-WOM) belum sepenuhnya sejalan dengan tingkat kunjungan fisik, sehingga diperlukan pendekatan evaluasi berbasis data persepsi pengunjung. Penelitian ini bertujuan untuk menganalisis topik-topik utama yang membentuk persepsi dan tingkat kepuasan pengunjung terhadap taman nasional di Pulau Jawa berdasarkan ulasan Google Maps, serta Data penelitian berupa ulasan Google Maps dari 12 taman nasional di Pulau Jawa periode 6 September 2023 hingga 6 September 2025. Analisis dilakukan menggunakan pendekatan topic modeling dengan BERTopic untuk mengekstraksi topik pembahasan secara otomatis, serta analisis sentimen untuk mengidentifikasi kecenderungan persepsi positif dan negatif pengunjung. Pelabelan sentimen diturunkan dari atribut rating bintang dan divalidasi menggunakan pendekatan Automated Machine Learning (AutoML). Sintesis temuan tersebut menjadi dasar perumusan isu strategis pengelolaan destinasi. Hasil penelitian mengidentifikasi sembilan topik utama yang terkelompok ke dalam lima komponen destinasi 5A, yaitu atraksi, aktivitas, akomodasi, amenitas, dan aksesibilitas. Hasil analisis sentimen menunjukkan bahwa aspek daya tarik alam dan aktivitas berfoto didominasi oleh sentimen positif, sedangkan aspek biaya, fasilitas sanitasi, dan aksesibilitas memiliki proporsi sentimen negatif yang lebih tinggi. Sintesis temuan mengindikasikan perlunya strategi yang berfokus terhadap konsistensi pengalaman terhadap fasilitas pendukung, persepsi ketidakadilan harga dan risiko yang dirasakan, serta ketergantungan pengunjung terhadap destinasi. Temuan ini menunjukkan bahwa ulasan Google Maps dapat dimanfaatkan sebagai dasar evaluasi dan perumusan strategi pengelolaan taman nasional yang adaptif dan berbasis persepsi pengunjung guna mendukung peningkatan daya saing pariwisata alam secara berkelanjutan.Referensi
S. A. Kurniawan and E. Togatorop, “Ketika konten bicara: eksplorasi dampak eWOM dan customer innovativeness terhadap adopsi produk baru,” Business Management Journal, vol. 21, no. 2, pp. 61–71, 2025, doi: 10.30813/bmj.bmj.v21i2.8888.
S. Kumar, V. Kumar, I. K. Bhatt, S. Kumar, and K. Attri, “Digital transformation in tourism sector: Trends and future perspectives from a bibliometric-content analysis,” Journal of Hospitality and Tourism Insights, vol. 7, no. 3, pp. 1553–1576, 2024, doi: 10.1108/JHTI-10-2022-0472.
N. Stylos and J. Zwiegelaar, Eds., Google Maps Data for Tourism Real-Time Monitoring and Analytics. Cheltenham, U.K.: Edward Elgar Publishing, 2022. [Online]. Available: https://books.google.co.id/books?id=2iZWEQAAQBAJ [Accessed: Dec. 29, 2025].
F. Eddyono, D. Darusman, U. Sumarwan, and T. Sunarminto, “Daya saing wisata pada wilayah zona pemanfaatan taman nasional di Indonesia,” Jurnal Penelitian Kehutanan Wallacea, vol. 10, no. 2, pp. 145–164, 2021, doi: 10.18330/jwallacea.2021.vol10iss2pp145-164.
Google, “Google Maps,” Internet: https://www.google.com/maps, 2025 [Accessed: Sep. 6, 2025].
Badan Pusat Statistik Provinsi Jawa Tengah, Statistik Pariwisata Jawa Tengah 2023. Semarang, Indonesia: BPS Provinsi Jawa Tengah, 2023. [Online]. Available: https://jateng.bps.go.id [Accessed: Dec. 20, 2025].
Balai Taman Nasional Ujung Kulon, “Launching aplikasi booking online wisata Taman Nasional Ujung Kulon oleh Menteri LHK,” Internet: https://tnujungkulon.ksdae.kehutanan.go.id/berita/detail/254, Sep. 7, 2024 [Accessed: Jan. 12, 2026]
I. N. L. Sana, “Transformasi manajemen pariwisata berbasis teknologi digital menuju green tourism yang tangguh dan inklusif,” Journal of Mandalika Social Science, vol. 3, no. 2, 2025.
J. M. Wibowo, S. Muljaningsih, and D. Satria, “Daya saing ekowisata berkelanjutan Taman Nasional Bromo Tengger Semeru,” Jurnal Penelitian Sosial dan Ekonomi Kehutanan, vol. 18, no. 1, pp. 45–62, 2021, doi: 10.20886/jpsek.2021.18.1.45-62.
P. Agustini, M. Iqbal, V. A. Akbar, and R. Kurniawan, “Comparison of deep learning algorithm in sentiment analysis ecotourism in Bogor,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 3, pp. 1133–1142, 2025, doi: 0.57152/malcom.v5i3.2191.
C. A. Bahri and L. Y. Suadaa, “Aspect-based sentiment analysis in Bromo Tengger Semeru National Park Indonesia based on Google Maps user reviews,” Indonesian Journal of Computing and Cybernetics Systems, vol. 17, pp. 79–90, 2023, doi: 10.22146/ijccs.77354.
M. Dogucu and M. Çetinkaya-Rundel, “Web scraping in the statistics and data science curriculum: Challenges and opportunities,” Journal of Statistics and Data Science Education, vol. 29, pp. 122, 2021, doi: 10.1080/10691898.2020.1787116.
J. Ipmawati, Saifulloh, and Kusnawi, “Analisis sentimen tempat wisata berdasarkan ulasan pada Google Maps menggunakan algoritma support vector machine,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, pp. 247–256, 2024, doi: 10.57152/malcom.v4i1.1066.
Y. A. Singgalen, “Analisis sentimen pengunjung Pulau Komodo dan Pulau Rinca di website Tripadvisor berbasis CRISP-DM,” Journal of Information System Research, vol. 4, no. 2, pp. 614–625, 2023, doi: 10.47065/josh.v4i2.2999.
T. Z. Fatikhah, M. Muhtarom, and I. Oktaviani, “Analisis sentimen ulasan Mie Gacoan Solo Veteran di Google Maps menggunakan algoritma naive Bayes,” ZONASI: Jurnal Sistem Informasi, vol. 6, no. 3, pp. 649–658, 2024.
D. W. Brata, W. Purnomo, and Nofandi, “Ekstraksi ulasan pelanggan restoran dalam menggali aspek layanan pada Google Review dan Tripadvisor sebagai faktor peningkatan kualitas,” Jurnal Ilmiah Teknologi Informasi Asia, vol. 18, no. 1, pp. 33–47, 2024.
L. Hickman, S. Thapa, L. Tay, M. Cao, and P. Srinivasan, “Text preprocessing for text mining in organizational research: Review and recommendations,” Organizational Research Methods, vol. 25, no. 1, pp. 114–146, 2022.
R. Egger and J. Yu, “A topic modeling comparison between LDA, NMF, Top2Vec, and BERTopic to demystify Twitter posts,” Frontiers in Sociology, vol. 7, p. 886498, 2022, doi: 10.3389/fsoc.2022.886498.
O. Babalola, B. Ojokoh, and O. Boyinbode, “Comprehensive evaluation of LDA, NMF, and BERTopic’s performance on news headline topic modeling,” Journal of Computing Theories and Applications, vol. 2, no. 2, pp. 269–289, 2024, doi: 10.62411/jcta.11635.
M. Grootendorst, “BERTopic: Neural topic modeling with a class-based TF-IDF procedure,” arXiv preprint arXiv:2203.05794, 2022.
B. Wang, Q. Zhao, Z. Zhang, P. Xu, X. Tian, and P. Jin, “Understanding the heterogeneity and dynamics of factors influencing tourist sentiment with online reviews,” Journal of Theoretical and Applied Electronic Commerce Research, vol. 20, no. 1, p. 22, 2025, doi: 10.3390/jtaer20010022.
A. Riaz, O. Abdulkader, M. J. Ikram, and S. Jan, “Exploring topic modelling: A comparative analysis of traditional and transformer-based approaches with emphasis on coherence and diversity,” International Journal of Electrical and Computer Engineering (IJECE), vol. 15, no. 2, pp. 1933–1948, 2025, doi: 10.11591/ijece.v15i2.pp1933-1948.
G. D’Aniello, “KnowMIS-ABSA: An overview and a reference model for knowledge-based approaches to sentiment analysis and aspect-based sentiment analysis,” Artificial Intelligence Review, 2022, doi: 10.1007/s10462-021-10134-9.
D. N. Oliveira, M. N. R. Utsch, D. V. P. A. Machado, N. G. Pena, R. G. D. de Oliveira, A. I. R. Carvalho, and L. H. C. Merschmann, “Evaluating a new Auto-ML approach for sentiment analysis and intent recognition tasks,” Journal on Interactive Systems, vol. 14, no. 1, pp. 1–14, 2023.
I. Gomaa, H. M. O. Mokhtar, N. El-Tazi, and A. Zidane, “SML-AutoML: A smart meta-learning automated machine learning framework,” Advances in Artificial Intelligence and Machine Learning, vol. 4, no. 4, pp. 3071–3096, 2024.
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 