Analisis Sentimen Pengunjung Museum Nasional Indonesia Pada Google Maps Menggunakan Perspektif Sense-making dan Teori Ekspektasi

Amaliah, Suci Riqsyah (2026) Analisis Sentimen Pengunjung Museum Nasional Indonesia Pada Google Maps Menggunakan Perspektif Sense-making dan Teori Ekspektasi. Skripsi thesis, UIN Imam Bonjol Padang.

[img] Text (cover)
Suci Riqsyah Amaliah 2211050146 Cover-Daftar Isi.pdf - Published Version

Download (1MB)
[img] Text (BAB I)
BAB I.pdf - Published Version

Download (304kB)
[img] Text (BAB III)
BAB III.pdf - Published Version

Download (303kB)
[img] Text (BAB V)
BAB V-Daftar Pustaka.pdf - Published Version

Download (6MB)
[img] Text (fulltext)
Suci Riqsyah Amaliah 2211050146 Full Text.pdf - Published Version
Restricted to Repository staff only

Download (9MB)

Abstract

Skripsi ini menganalisis sentimen dan pola evaluasi pengunjung Museum Nasional Indonesia pada ulasan Google Maps dengan menggunakan perspektif sense-making dan expectancy–disconfirmation. Penelitian ini bertujuan menganalisis kecenderungan sentimen ulasan pengunjung pada periode satu tahun sebelum kebakaran dan satu tahun pasca revitalisasi, serta mengidentifikasi perubahan persepsi pengunjung terhadap layanan informasi museum melalui aspek-aspek layanan yang dominan muncul dalam ulasan yang selanjutnya di analisis menggunakan perspektif sense-making dan expectancy-disconfirmation. Penelitian menggunakan pendekatan kuantitatif deskriptif berbasis text mining dengan jumlah data 18.435 ulasan Google Maps yang dikumpulkan dengan teknik scrapping. Analisis sentimen dilakukan dengan metode machine learning menggunakan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan ulasan menjadi sentimen positif dan negatif. Hasil menunjukkan bahwa sebelum kebakaran sentimen positif mendominasi sebesar 80,61% (1.023 ulasan) dan sentimen negatif 19,39% (246 ulasan). Pasca revitalisasi, sentimen positif tetap dominan namun menurun menjadi 72,38% (1.140 ulasan), sedangkan sentimen negatif meningkat menjadi 27,62% (435 ulasan). Evaluasi model menunjukkan akurasi SVM sebesar 85% (sebelum kebakaran) dan 80% (pasca revitalisasi).

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: analisis sentimen, Google Maps, sense-making, expectancy-disconfirmation, Support Vector Machine
Subjects: Tajuk Subjek > 000 Ilmu Komputer, Ilmu Informasi dan Karya Umum > Perpustakaan dan Ilmu Informasi
Divisions: Fakultas Adab dan Humaniora > Ilmu Perpustakaan dan Informasi Islam
Depositing User: Ruang Baca FAH
Date Deposited: 16 Mar 2026 02:34
Last Modified: 16 Mar 2026 02:34
URI: http://repository.uinib.ac.id/id/eprint/31822

Actions (login required)

View Item View Item