Budi, TomasSetyaWahyu (2016) Using Social Media Mining To Understand Public Opinion Towards Destination Image. Magister thesis, Universitas Brawijaya.
Abstract
Di tengah-tengah pasar pariwisata yang sangat kompetitif, pengembangan gambar tujuan yang sukses adalah yang terpenting terhadap pengalaman yang tak terlupakan bagi pengunjung. Penelitian ini bertujuan untuk mendukung pemangku kepentingan pariwisata dari penyedia layanan dan pariwisata nasional dengan menganalisis, dan mengekstraksi pola yang bermakna dari media sosial, mis. Twitter, berdasarkan informasi gambar tujuan. Data ini memainkan peran penting bagi pemasar tujuan untuk membedakan tujuan IR di antara O RS berdasarkan statistik Twitter dan opini publik utama terhadap atribut gambar tujuan. London dan New York digunakan sebagai kota tujuan di bawah analisis penambangan teks dengan pendekatan hubungan konsep. Hasil menunjukkan lima kata kunci berbeda yang dikaitkan dengan masing-masing kota. Setiap kata kunci ditemukan relevan dalam mewakili citra kota tujuan berdasarkan opini publik tentang Twitter. Untuk kata kunci `budaya dan budaya`, istilah `Inggris` dan `hitam` masing-masing mewakili London dan New York, masing-masing. Dalam kata kunci `hiburan`, istilah `James Bond` dan `Broadway` masing-masing mewakili London dan New York. Dalam kata kunci `Festival`, istilah `Lumiere` dan `Festival Warga Global` masing-masing di menggambarkan kota London dan New York, masing-masing. Dalam kata kunci `makanan`, istilah `makanan tradisional Inggris` paling menggambarkan London dan `truk makanan` yang paling baik menggambarkan baru York. Kata kunci `Belanja` Pameran istilah `Etsy` sebagai gambar London dan `Kate Spade` sebagai gambar untuk New York. Penelitian ini mengungkapkan nilai analisis media sosial dan kemampuan penambangan teks sebagai teknik yang efektif untuk mengekstraksi pendapat dari sejumlah besar data media sosial yang tersedia. Rekomendasi terkait rencana strategis pariwisata dibuat untuk memfasilitasi kemungkinan studi gambar tujuan masa depan.
English Abstract
In middle of highly competitive tourism market, development of successful destination image is paramount towards memorable experience for visitors. This study aims to support tourism stakeholders from service providers and national tourism by analyzing, and extracting meaningful patterns from social media, e.g. Twitter, based on destination image information. This data plays an important role for destination marketers to distinguish ir destination among o rs based on Twitter Statistics and key public opinion towards destination image attributes. London and New York were used as destination cities under analysis of text mining with concept linkage approach. Results shows five distinct keywords attributed to each city. Each keyword found to be relevant in representing image of destination cities based on public opinion on Twitter. For keyword “Culture and Cultural”, term "British” and "Black" represent London and New York best, respectively. In keyword “Entertainment”, term "James Bond" and "Broadway" represent London and New York, respectively. In keyword “Festival”, term "Lumiere" and “Global Citizen Festival” are best in describing city of London and New York, respectively. In keyword “Food”, term "traditional British food" best describes London and "Food truck" best describes New York. keyword “Shopping” exhibits term "Etsy" as image of London and “Kate Spade" as image for New York. This research reveals value of social media analysis and ability of text mining as an effective technique to extract opinions from vast amount of available social media data. Recommendations related to tourism strategic plan are made to facilitate possible future destination image studies.
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/658.872/BUD/u/2016/041700440 |
| Subjects: | 600 Technology (Applied sciences) > 658 General management > 658.8 Managemet of marketing |
| Divisions: | S2/S3 > Magister Manajemen, Fakultas Ekonomi dan Bisnis |
| Depositing User: | Nur Cholis |
| Date Deposited: | 31 May 2017 08:09 |
| Last Modified: | 31 May 2017 08:09 |
| URI: | http://repository.ub.ac.id/id/eprint/160039 |
Actions (login required)
 |
View Item |