Topic Modeling and Sentiment Analysis of Google Maps Reviews for National Park Competitiveness in Java Island
DOI:
https://doi.org/10.25077/TEKNOSI.v12i2.2026.160-171Keywords:
Online Review, Visitor Satisfaction, National Park, Topic Modeling, Sentiment AnalysisAbstract
Digital transformation has changed how tourists form perceptions and evaluate tourism destinations through online reviews. In national parks on Java Island, destination representation through electronic word-of-mouth (e-WOM) does not fully align with actual visitation levels, indicating the need for an evaluation approach based on visitor perception data. This study aims to analyze the main topics shaping visitor perceptions and satisfaction toward national parks on Java Island based on Google Maps reviews. The research data consist of Google Maps reviews from 12 national parks on Java Island collected between September 6, 2023, and September 6, 2025. The analysis applies topic modeling using BERTopic to automatically extract key discussion topics and sentiment analysis to identify positive and negative visitor perceptions. Sentiment labeling is derived from star rating attributes and validated using an Automated Machine Learning (AutoML) approach. The synthesis of these findings serves as a basis for identifying strategic issues in destination management. The results identify nine main topics grouped into the five destination components of the 5A framework, namely attractions, activities, accommodation, amenities, and accessibility. Natural attractions and photo-related activities are dominated by positive sentiment, while costs, sanitation facilities, and accessibility show a higher proportion of negative sentiment. These findings suggest the need for strategies focusing on the consistency of supporting facilities, perceived price fairness and risk, and visitor dependence. Overall, this study demonstrates that Google Maps reviews can support adaptive and perception-based national park management to enhance the sustainable competitiveness of eco-tourism.References
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.
Submitted
Accepted
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Jurnal Nasional dan Sistem Informasi
This work is licensed under a Creative 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 