Pemodelan Topik Ulasan Google Menggunakan Latent Dirichlet Allocation untuk Objek Wisata Alam: Topic Modeling of Google Reviews Using Latent Dirichlet Allocation for Natural Attractions

Pertumbuhan jumlah ulasan wisatawan di Google Review menghasilkan data teks yang kaya informasi mengenai pengalaman pengunjung, tetapi sifatnya yang tidak terstruktur menyulitkan analisis manual. Penelitian ini bertujuan mengidentifikasi tema utama dalam ulasan wisata alam di Kabupaten Garut menggunakan metode Latent Dirichlet Allocation (LDA). Kebaruan penelitian terletak pada penerapan preprocessing yang disesuaikan dengan karakteristik bahasa ulasan lokal, meliputi normalisasi kata tidak baku dan penggunaan kamus stopword khusus pariwisata, pada konteks wisata alam Kabupaten Garut yang belum dikaji secara khusus menggunakan LDA. Sebanyak 12.861 ulasan dari berbagai destinasi wisata alam dikumpulkan menggunakan Instant Data Scraper. Data kemudian diproses melalui tahapan case folding, cleaning, normalization, tokenizing, stopword removal, dan stemming. Pemodelan dilakukan dengan menguji beberapa jumlah topik berdasarkan nilai coherence score, kemudian hasilnya divisualisasikan menggunakan pyLDAvis. Model terbaik menghasilkan lima topik dengan nilai coherence 0,5461. Kelima topik tersebut mencakup aksesibilitas destinasi, biaya kunjungan, wisata pantai dan kebersihan lingkungan, keindahan dan kenyamanan destinasi, serta pengalaman wisata pegunungan. Visualisasi pyLDAvis memperlihatkan hubungan antartopik dan distribusi kata dominan. Hasil penelitian menunjukkan bahwa LDA dapat mengekstraksi informasi bermakna dari ulasan wisatawan serta memberikan masukan bagi pengelola destinasi dan pemerintah daerah dalam meningkatkan kualitas layanan, fasilitas, kebersihan lingkungan, dan pengembangan wisata alam berkelanjutan di Kabupaten Garut.