Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Penelitian ini memanfaatkan informasi yang terdapat di surat kabar sebagai proksi untuk mengukur ketidakpastian ekonomi dengan membentuk Indeks Ketidakpastian Kebijakan Ekonomi Indonesia selama periode 2014-2021. Indeks dibangun dengan menganalisis kumpulan data artikel surat kabar yang mengandung istilah “ekonomi” dan “ketidakpastian”, untuk kemudian untuk mencari topik terkait “kebijakan” di dalam artikel tersebut menggunakan metode text-mining. Berdasarkan frekuensi terbit artikel terpilih kemudian dibentuk indeks dengan mean 100 dan standar deviasi 1 untuk indeks utama dan indeks per topik kebijakan. Atas pergerakan dan variasi indeks diberi pemaknaan sesuai dengan kondisi pada waktu tersebut.Indeks IEPU yang terbentuk kemudian terdiri dari 10 topik kebijakan yang dibagi dalam 8 kategori kebijakan utama; moneter, fiskal, perdagangan, regulasi domestik, regulasi internasional, geopolitik, energi/sumber daya, dan politik yang kemudian dipergunakan untuk membahas variasi pergerakan indeks yang terjadi. Hasil atas perbandingan dengan indeks VIX dan GEPU yang bersifat global menunjukkan korelasi negatif, sedangkan jika dibandingkan dengan indeks WUI untuk Indonesia menghasilkan korelasi positif.' ......This research uses information in printed newspapers to create a proxy for measuring uncertainty by forming Indonesia Economic Policy Uncertainty Index for 2014-2021. The index was built by analyzing an extensive data set of articles containing the terms ‘economics’ and ‘uncertainty’ in Bahasa. The text-mining topic modeling method of the Latent Dirichlet was applied to look for terms in the articles that referenced ‘policy.’ Based on the frequency of article publication, an index with a mean of 100 and a standard deviation of 1 was created. The IEPU index topics consist of eight main policy categories; monetary, fiscal, trade, domestic regulation, international regulation, geopolitics, energy/resources, and politics. In addition, its movement can be described based on economic uncertainty events that happened on the timeline. This research also compares the formed index with pre-existing uncertainty indices, namely the VIX index, the GEPU index, and the WUI index for Indonesia.

Abstrak :
Transjakarta-Busway merupakan moda transportasi umum dengan jalanan khusus yang sedang dikembangkan oleh Pemerintah Daerah Ibukota Jakarta. Sejak tahun 2012 jumlah pengguna layanan Transjakarta-Busway terus menurun. Media sosial Twitter yang merupakan media sosial bagi masyarakat untuk mencurahkan opini, menjadi obyek peneliti untuk mendapatkan sentimen pengguna terhadap pelayanan Transjakarta-Busway. Penelitian ini menggunakan metode text mining digunakan untuk proses klasifikasi (keamanan, kenyamanan, keselamatan, kesetaraan,keterjangkauan, keteraturan) dengan membandingkan metode Support Vector Machine (SVM) dan Naïve Bayes, serta data stemming maupun non-stemming. Penelitian menunjukan klasifikasi paling akurat didapat dari data non-stemming dengan metode Support Vector Machine (SVM). Hasil Klasifikasi yang didapat dibandingkan signifikasinya terhadap sentimen masyarakat dengan menggunakan Uji Chi-Square dan Prosedur Marascuilo, sehingga didapat pengaruh paling besar didapat dari sector kelompok Keselamatan, diikuti skctor Keteraturan, Kenyamanan, Keamanan Keterjangkauan, dan Kesetaraan. Keadaan fisik Transjakarta-Busway adalah yang paling dikeluhkan karena dirasa tidak layak. ...... Transjakarta-Busway is one of the well-known public transportation with special track in Jakarta. Jakarta?s government has been developing Transjakarta-Busway since 2009. But from 2012, the number of passanger is decreasing. Twitter, the famous social media in Indonesia, that used by community to express their feeling and opinion, has been used in this research to get sentiment from customer about Transjakarta-Busway?s services. This research used text mining as a method to classifying sentiment into 6 different groups (equality, safety, comfort, affordability, order, and security) with a comparison between Support Vector Machine (SVM) method and Naïve Bayes method. This research shows that the most accurate classification is using Support Vector Machine Method wih non-stemming data. After that, the signification of classification compared using Chi-Square Test and Marascuilo Procedure. The Research shows that the biggest influence to sentiment comes from safety sector, followed by order section, comfort section, security section, affordability section, and the least influence comes from equality section. Physical condition of Transjakarta-Busway is the most complained among all.

Abstrak :
Penelitian ini bertujuan untuk membangun proses bisnis pengawasan Fintech P2P Lending di Indonesia berbasis Berita Daring, Twitter, dan Ulasan Google Playstore. Usulan pengawasan yang baru digambarkan dengan Business Process Modeling Notation (BPMN). Selanjutnya diimplementasikan dengan membuat prototipe. Pendekatan yang digunakan adalah pendekatan Text Mining seperti ekstraksi informasi dengan Named Entity Recognition (NER), Analisis Sentimen dan Pemodelan Topik dengan Latent Dirichlet Allocation (LDA). Hasil eksperimen pada pendekatan NER menunjukan Algoritma Multinomial Naïve Bayes mendapatkan F1-score tertinggi sebesar 90%, sedangkan pada pendekatan analisis sentiment model Naïve Bayes dan Random Forest terbukti memiliki akurasi tinggi yaitu diatas 91%. Hasil NER membuktikan bahwa platform Cashless, Yokke, Digital Artha Media, Koinworks, Moka, Privy id, PT Tunaiku Fintech Indonesia, PT Relasi Perdana Indonesia, PT Dynamic Credit Asia dan PT Progo Puncak Group tidak ada dalam daftar Fintech di Otoritas Jasa Keuangan (OJK). Sedangkan hasil Persentase positif untuk aplikasi Adakami, Easycash, Danamas, Dompetkilat, dan Indodana berturut-turut adalah 47%, 59%, 28%, 24%, dan 29%. Penelitian ini dapat digunakan oleh OJK untuk pengawasan Fintech dan meningkatkan perlindungan konsumen. ......This research aims to build a business process to supervise Fintech P2P Lending in Indonesia based on Online News, Twitter, and Google Playstore Reviews. The proposed new supervision is described by the Business Process Modeling Notation (BPMN), then implemented by making a prototype. The Text Mining approach uses information extraction with Named Entity Recognition (NER), Sentiment Analysis, and Topic Modeling with Latent Dirichlet Allocation (LDA). Experimental results on the NER approach show that the Naïve Bayes Multinomial Algorithm gets the highest F1-score of 90%. In contrast, the Naïve Bayes and Random Forest model sentiment analysis approaches are proven to have high accuracy, above 91%. The NER results demonstrate that the platforms Cashless, Yokke, Digital Artha Media, Koinworks, Moka, Privy id, PT Tunaiku Fintech Indonesia, PT Relasi Perdana Indonesia, PT Dynamic Credit Asia, and PT Progo Puncak Group are not on the Fintech list at the Financial Services Authority (OJK). While the positive percentage results for the Adakami, Easycash, Danamas, Dompetkilat, and Indodana applications were 47%, 59%, 28%, 24%, and 29%, respectively. This research can be used by OJK for Fintech supervision and improving consumer protection.

Abstrak :
Provinsi DKI Jakarta memiliki tantangan dan permasalahan urban yang lebih kompleks dibandingkan daerah lainnya di Indonesia. Oleh karena itu, dibutuhkan perencanaan pembangunan daerah yang melibatkan seluruh pemangku kepentingan, terutama masyarakat. Salah satu pendekatan yang dilakukan adalah menyediakan sarana bagi masyarakat untuk menyampaikan aspirasi dan permasalahan yang terjadi di lingkungannya. Aspirasi dan permasalahan yang terjaring selanjutnya perlu dipetakan dan disinergikan dengan kebijakan dan prioritas pembangunan nasional. Penelitian ini menggunakan teknik Text Mining untuk mengklasifikasi laporan yang berupa teks menjadi beberapa kelas dan mengelompokkan set data setiap kelas untuk mendapatkan topik-topik khusus. Hasil penelitian menunjukkan bahwa masalah banjir dan kebersihan, khususnya menyangkut saluran air dan masalah sistem transportasi, khususnya mengenai jalan yang butuh perbaikan atau peninggian menjadi topik yang paling sering dilaporkan masyarakat. Visualisasi dan analisis dengan Sistem Informasi Geografis serta Diagram Pareto menunjukkan persebaran masalah dan masalah yang perlu diprioritaskan oleh tiap kota/kabupaten ...... Jakarta has more complex problems and challenges than other urban areas in Indonesia. Therefore, the development plan of Jakarta involves all of the stakeholders, especially the public. One approach taken is to provide a means for public to submit aspirations and problems that occur at their surroundings. Aspirations and problems conveyed by public then need to be mapped and synergized with national policy and development priorities. This study uses Text Mining techniques to classify the textual report into several classes and then cluster data set in each class into specific topics. The results showed that the majority of public reports are associated with flood problems, especially regarding to drainage and waterways, and transportation system problems, especially regarding to roads condition. Visualization and analysis using Geographic Information Systems and Pareto Chart shows the spreads of the problems and issues that need to be prioritized by each city/county

Abstrak :
Pengadaan buku melakukan penyeleksian kebutuhan topik berdasarkan rekomendasi dosen, beberapa mahasiswa, maupun pustakawan sendiri. Sumber ini dianggap kurang menyeluruh, sehingga dibutuhkan sumber informasi lain, yaitu kata kunci pencarian buku. Penelitian ini dilakukan di Perpustakaan Universitas Indonesia dengan menggunakan salah satu dari metode text mining, yaitu metode Latent Relation Discovery untuk menemukan nilai relation strength dengan memperhitungkan kemunculan bersamaan dan jarak antara kata. Hasil dari penelitian menemukan 126 pasangan kata atau topik kata kunci pencarian dan 56 topik yang sesuai dengan topik buku pinjaman dan 2 topik yang sesuai dengan topik buku yang akan diadakan, sehingga 58 topik kemudian diajukan. Jika dibandingkan dengan hanya melihat frekuensi kata, topik ini dapat memberikan informasi yang lebih spesifik. Namun jika dibandingkan dengan topik pada buku pinjaman dan daftar pengadaan buku, topik kata kunci menjadi terlalu umum dan terbatas pada kata yang muncul. ...... Books acquisition usually do the screening needs of topics based on lecturer recommendations, some students, and librarian themselves. These sources are considered less comprehensive, thus other sources of information is needed, that is keyword. This research was conducted at the University of Indonesia Library using one of the methods of text mining, the method of Latent Relation Discovery, to find relations strength value by considering the emergence of concurrence and distance between words. The results of the study found 126 pairs of words or topic from keyword and 56 topics that fit with the topic of the borrowed book and the 2 topics that match the topics to the book that is recommended. Rather than simply considering frequency of the words, this topic can provide more specific information, but when it compared with the topics from the loan book and textbook acquisition list, these topics become too common and limited to words that appear.

Abstrak :
E-commerce merupakan online platform yang sedang mengalami pertumbuhan pesat dan memberikan kontribusi terhadap perekonomian internet di Indonesia selama lima tahun terakhir. E-commerce menghasilkan ulasan konsumen yang merupakan sumber informasi bagi para pemangku kepentingan. Penelitian ini melakukan analisis big data terhadap 132.085 ulasan konsumen online mengenai ponsel Xiaomi yang ditulis pada tiga situs e-commerce terbesar di Indonesia: Shopee, Bukalapak, dan Blibli dengan text mining, untuk mengidentifikasi distribusi topik, menganalisis jaringan asosiasi semantik, menemukan perbedaan pada ketiga situs, dan menganalisis hubungan antara topik dan skor penilaian ulasan. Hasil penelitian menunjukkan bahwa logistik merupakan topik yang paling banyak didiskusikan pada ketiga situs, sementara kualitas pelayanan lebih banyak didiskusikan pada Consumer-to-Consumer (C2C) daripada Business-to-Consumer (B2C) e-commerce. Atribut ponsel lebih banyak didiskusikan pada Bukalapak dan Blibli, dengan fokus topik sistem dan CPU & perangkat keras. Jaringan ulasan konsumen Bukalapak membentuk scale-free network, sementara jaringan kedua situs lainnya hanya menunjukkan karakteristik dari small-world network. Hasil regresi logistik ordinal menunjukkan bahwa 5 dari 8 topik yang dibahas dalam komentar ulasan memiliki hubungan negatif dengan skor penilaian, serta ulasan bernilai rendah cenderung memiliki komentar yang lebih panjang dan spesifik. Hasil penelitian dapat bermanfaat sebagai wawasan untuk pengembangan bagi para pemangku kepentingan di industri e-commerce. ......E-commerce is a rapidly growing online platform that contributes to Indonesias internet economy during the past five years. E-commerce generates customer reviews as a source of information for stakeholders. This study applies big data analytics toward 132,085 online reviews about Xiaomi mobile phones posted on three major e-commerce websites in Indonesia: Shopee, Bukalapak, and Blibli by text mining, in identifying their distribution of topics, analyzing semantic association network, determining differences between the three websites, also analyzing the relationship between topics and rating score. The findings show that logistics is the most highly discussed topic, while service quality is discussed more in Consumer-to-Consumer (C2C) rather Business-to-Consumer (B2C) e-commerce. Phone attributes are discussed more in Bukalapak and Blibli, focusing on system and CPU & hardware topics. The network of Bukalapaks customer reviews form a scale-free network, and the other two only have the characteristics of a small-world network. The overall results from multilinear regression and ordinal logistic regression show that 5 out of 8 topics reviewed have negative relationships with rating scores, and low-rated reviews tend to have longer and more specific review comments. The findings provide insights for e-commerce stakeholders in supporting further development.

Abstrak :
Female Daily Network perusahaan yang bergerak di bidang media sosial. Female Daily memiliki media sosial untuk membagikan pengalaman menggunakan produk kecantikan bernama Female Daily. Female Daily memiliki peraturan untuk tidak menggunakan Female Daily Platform untuk mempromosikan, menjual produk, dan layanan di platform media sosial di Female Daily. Namun, pengguna di Female Daily terkadang melanggar peraturan tersebut di post mereka dan menyebabkan pengguna lain terganggu akan hal tersebut. Admin di Female Daily kesulitan untuk mengidentifikasi pengguna yang melanggar aturan itu dan melarang post mereka yang berisi penjualan produk karena keterbatasan jumlah admin dengan jumlah post yang masuk tiap hari. Text mining juga dapat mengatasi permasalahan ini dengan menentukan klasifikasi secara otomatis dengan membuat sistem yang melakukan proses pembelajaran dengan dari kata-kata post yang tersedia. Algoritme yang bisa digunakan untuk melakukan proses text mining pada penelitian ini seperti Support Vector Machine (SVM), Naïve Bayes (NB), Decision Tree (DT), dan Random Forest (RF). Penelitian ini menggunakan kombinasi cara ekstraksi fitur, fitur kontekstual, dan melakukan balancing data. Penelitian ini menggunakan skenario penelitian untuk menganalisis ekstraksi fitur, penggunaan fitur kontekstual, dan balancing data. Algoritme terbaik dilihat dari nilai recall pada kombinasi algoritme dan fitur penelitian ini adalah Random Forest TF-IDF Unigram dan menggunakan tambahan fitur kontekstual deteksi uang dan kata-kata menjual dengan data yang seimbang. Nilai recall 88.37% didapatkan dari hasil kombinasi algoritme dan fitur tersebut. ......Female Daily Network is a company engaged in social media. Female Daily has social media to share experiences using beauty products called Female Daily. Female Daily has regulations not to use the Female Daily Platform to promote, sell products and services on social media platforms in Female Daily. However, users on Female Daily sometimes violate these rules in their posts and cause other users to be annoyed about it. Admins at Female Daily have difficulty identifying users who violate these rules and ban their posts containing product sales due to the limited number of admins with the number of posts that enter each day. Text mining can also overcome this problem by determining the classification automatically by creating a system that carries out the learning process from the available post words. Algorithms that can be used to carry out the text mining process in this research are Support Vector Machine (SVM), Naïve Bayes (NB), Decision Tree (DT), and Random Forest (RF). This study uses a combination of feature extraction, contextual features, and data balancing. This study uses research scenarios to analyze feature extraction, contextual feature usage, and data balancing. The best algorithm seen from the recall value in the combination of algorithms and features of this research is the Random Forest TF-IDF Unigram and uses additional contextual features to detect money and selling words with balanced data. The recall value of 88.37% is obtained from the results of the combination of these algorithms and features.

Abstrak :
ABSTRAK

Pariwisata Indonesia adalah salah satu penyumbang terbesar devisa negara. Pada 2015 devisa yang dihasilkan sektor pariwisata adalah sebesar $ 12,23 miliar dan diproyeksikan bahwa pada tahun 2020 akan memberikan kontribusi devisa negara sebesar $ 20 miliar. Kemajuan teknologi secara fundamental telah mengubah cara informasi diproduksi dan digunakan untuk banyak hal termasuk di sektor pariwisata. Dalam industri pariwisata, pengalaman pelanggan penting untuk pengembangan dan reputasi industri. Diperlukan pendekatan baru untuk mengukur tingkat kepuasan pelanggan dan persepsi wisatawan melalui analisis sentimen. Dalam penelitian ini permasalahan yang menjadi perhatian adalah bagaimana memanfaatkan analisis sentimen untuk menentukan persepsi wisatawan mengenai 3A (atraksi, amenitas, dan aksesibilitas) di destinasi wisata dan mengukur korelasi antara persepsi wisatawan dengan tingkat pertumbuhan wisatawan, menggunakan metode text mining NLP (Natural Language Processing) untuk mengembangkan strategi peningkatan kunjungan wisatawan dan pengembangan destinasi wisata. Hasil dari penelitian yang dilakukan didapatkan hasil terdapat korelasi negatif yang kuat antara sentimen negatif dengan tingkat pertumbuhan kunjungan wisatawan. Tingkat pertumbuhan wisatawan akan menurun ketika sentimen negatif dari wisatawan meningkat. Penurunan tingkat pertumbuhan wisatawan berdampak pada potensi hilangnya pendapatan negara. Analisis sentimen dapat memberikan gambaran persepsi wisatawan secara lengkap terkait aspek amenitas, aksesibilitas, dan atraksi di destinasi pariwisata.

---

ABSTRACT

---

Indonesian tourism is one of the biggest contributors to the countrys foreign exchange. In 2015 the foreign exchange generated by the tourism sector was $ 12:23 billion and it is projected that in 2020 will Contribute to the countrys foreign exchange of $ 20 billion. Technological advances have fundamentally changed the way information is produced and used for many things Including in the tourism sector. In the tourism industry, customer experience is important for the development and reputation of the industry. A new approach is needed to measure customer satisfaction and tourist perceptions through sentiment analysis. In this study the goal is how to use sentiment analysis to Determine the perceptions of tourists regarding 3A (attractions, amenities and accessibility) in tourist destinations and measure the correlation between perceptions with tourist tourist growth rates, using the NLP (Natural Language Processing) text mining method to develop strategies for increasing tourist visits and developing tourist destinations. The results of the research Showed that there was a strong negative correlation between negative sentiment and the level of tourist tourist growth. The level of tourist growth when the negative sentiment will Decrease from tourists increases. Tourist Declining growth rates have an impact on the potential loss of state income. Sentiment analysis can provide a complete description of tourist perceptions regarding aspects of amenities, accessibility, and Attractions in tourism destinations. using the NLP (Natural Language Processing) text mining method to develop strategies for increasing tourist visits and developing tourist destinations. The results of the research Showed that there was a strong negative correlation between negative sentiment and the level of tourist tourist growth. The level of tourist growth when the negative sentiment will Decrease from tourists increases. Tourist Declining growth rates have an impact on the potential loss of state income. Sentiment analysis can provide a complete description of tourist perceptions regarding aspects of amenities, accessibility, and Attractions in tourism destinations. using the NLP (Natural Language Processing) text mining method to develop strategies for increasing tourist visits and developing tourist destinations. The results of the research Showed that there was a strong negative correlation between negative sentiment and the level of tourist tourist growth. The level of tourist growth when the negative sentiment will Decrease from tourists increases. Tourist Declining growth rates have an impact on the potential loss of state income. Sentiment analysis can provide a complete description of tourist perceptions regarding aspects of amenities, accessibility, and Attractions in tourism destinations. The results of the research Showed that there was a strong negative correlation between negative sentiment and the level of tourist tourist growth. The level of tourist growth when the negative sentiment will Decrease from tourists increases. Tourist Declining growth rates have an impact on the potential loss of state income. Sentiment analysis can provide a complete description of tourist perceptions regarding aspects of amenities, accessibility, and Attractions in tourism destinations. The results of the research Showed that there was a strong negative correlation between negative sentiment and the level of tourist tourist growth. The level of tourist growth when the negative sentiment will Decrease from tourists increases. Tourist Declining growth rates have an impact on the potential loss of state income. Sentiment analysis can provide a complete description of tourist perceptions regarding aspects of amenities, accessibility, and Attractions in tourism destinations.

 

Abstrak :
Ulasan hotel online di era modern ini memiliki peran besar mengingat hotel merupakan faktor penentu daya saing sebuah daerah wisata, namun pemanfaatannya masih jarang ditemukan. Berkaitan dengan rencana pemerintah untuk meningkatkan kunjungan wisatawan ke Indonesia, penelitian ini mengaplikasikan text mining terhadap ulasan hotel online untuk menemukan pengetahuan yang bermanfaat dalam membangun sektor perhotelan sebagai bagian integral dalam industri pariwisata. Teknik klasifikasi teks digunakan untuk mendapatkan informasi sentimen yang terkandung dalam kalimat ulasan melalui analisis sentimen, serta teknik klasterisasi pada text summarization untuk menemukan kalimat representatif yang mampu menggambarkan keseluruhan isi ulasan. Percobaan dengan ulasan hotel di Labuan Bajo, Lombok, dan Bali menghasilkan luaran yang memuaskan, di mana akurasi model penggolong klasifikasi sebesar 78 dan Davies-Bouldin Index DBI sebesar 0.071 untuk proses klasterisasi. Luaran penelitian ini diharapkan mampu menggambarkan kondisi hotel di daerah wisata unggulan Indonesia sehingga dapat berkontribusi dalam peningkatan kualitas sektor perhotelan sebagai penunjang industri pariwisata di Indonesia. ...... In this modern era, online hotel reviews have a big role considering the hotel is one the aspects in determining the competitiveness in the tourist area, but its implementation is still rare. Regarding the government 39 s plan to increase tourist arrivals to Indonesia, this research utilized text mining towards online hotel reviews to find useful knowledge in building the hospitality sector as an integral part of the tourism industry. Text classification technique was used to obtain sentiment information contained in review sentences through sentiment analysis, as well as clustering technique as a part of text summarization to find representative sentences that are able to describe the entire contents of the review. Experiments with hotel reviews in Labuan Bajo, Lombok and Bali generated surprising outcomes, where the accuracy of classification model reaches 78 and the Davies Bouldin Index DBI of clustering algorithm strikes 0.071. The output of this research is expected to be able to describe the condition of the hotel in tourist area based on the different level of tourism development so that it can contribute to improving the quality of the hotel industry as well as supporting the tourism industry in Indonesia.

Abstrak :
ABSTRAK
Bali masih menjadi pintu masuk utama bagi wisatawan mancanegara. Potensi besar yang dimiliki Bali untuk memikat wisatawan menikmati beragam petualangan mulai dari keindahan alam, budaya, makanan, bahasa, flora dan fauna. Meskipun begitu, bukan berarti Bali menjadi tanpa cela. Angka kecelakaan lalu lintas di Bali meningkat selama tahun 2015-2019. Data tahun 2019 menunjukkan jumlah kejadian kecelakaan lalu lintas meningkat 70% dibandingkan tahun 2015. Korban kecelakaan lalu lintas dengan luka ringan pada tahun 2019 meningkat 83% dibandingkan tahun 2015. Korban meninggal dunia karena kecelakaan lalu lintas pada tahun 2019 meningkat 6% dibandingkan tahun 2015. Peningkatan jumlah kecelakaan lalu lintas dapat merusak citra pariwisata Bali. Menurut penelitian terdahulu, citra pariwisata dapat dipengaruhi oleh wisatawan yang berbagi pengalaman perjalanan wisata mereka baik secara langsung ataupun melalui media sosial. Penelitian ini diharapkan mampu memberikan jawaban dari pertanyaan "Bagaimana pengalaman wisatawan tentang keselamatan selama melakukan perjalanan wisata di Bali yang dibagikan melalui media sosial?". Tujuan dari penelitian ini adalah untuk mengetahui aspek keselamatan yang mempengaruhi citra tujuan wisata Bali dan menganalisis faktor yang mempengaruhi peningkatan aspek keselamatan. Pengaplikasikan teknik text mining terhadap ulasan pengguna Twitter tentang aspek keselamatan di Bali digunakan dalam penelitian ini. Penelitian ini mengungkapkan bahwa aspek keselamatan yang memberikan penilaian negatif paling tinggi terhadap citra pariwisata di Bali adalah aspek keselamatan berkendara di jalan raya khususnya menggunakan sepeda motor. Faktor perbaikan fasilitas lalu lintas dan penegakan aturan untuk pengemudi dapat mempengaruhi peningkatan keselamatan di Bali.

---

ABSTRACT
Bali is still the main entrance for foreign tourists. Bali has great potential to lure tourists to enjoy a variety of adventures ranging from natural beauty, culture, food, language, flora and fauna. Even so, does not mean Bali to be flawless. The number of traffic accidents in Bali increased during 2015-2019. Data in 2019 shows the number of traffic accident incidents increased by 70% compared to 2015. Victims of traffic accidents with minor injuries in 2019 increased by 83% compared to 2015. The death toll due to traffic accidents in 2019 increased by 6% compared to 2015. The increased number of traffic accidents can damage the destination image of Bali. According to previous research, the destination image can be influenced by tourists who share their travel experiences with others directly or through social media. This research is expected to be able to provide answers to the question "How are tourists the experience about safety during their tour in Bali and shared through social media?". This study aims to determine of safety aspect influencing on Bali's destinations image and analyze the factors influencing of safety improvement. In this study, the text mining technique was used to Twitter user reviews about safety aspects in Bali. This study revealed the safety aspect which gave the highest negative rating on the image of tourism in Bali was the safety aspect of driving on the highway, especially using motorbikes. Factors improving traffic facilities and enforcing rules for drivers can influence safety improvements in Bali.