Sentiment Analysis for Sumber Gempong Rice Field-Based Tourism Destination using Long Short-Term Memory

Njoto Benarkah, Vincentius Riandaru Prasetyo, Jehuda Rivaldo Soetiyono — Thu, 31 Oct 2024 00:00:00 +0000

Abstract—Sumber Gempong is a rice field-based tourist destination located in Ketapanrame Village, Trawas District, Mojokerto Regency, East Java Province. It is managed by a village-owned company (BUMDesa Mutiara Welirang). BUMDesa evaluates tourist satisfaction manually by reviewing online comments and it consumes time and labor works. Data used in this research automatically collected from Google Maps Review. Long Short-Term Memory (LSTM) method analyze data of two sentiment labels, positive or negative, based on four categories: facilities, services, culinary, and attractions. The collected dataset has 674 comments consist of 420 positive sentiments and 254 negative sentiments with 320 facilities, 61 services, 125 culinary, and 192 attractions comments. Five LSTM models were trained on each of four categories and an overall category. The trained models of overall, facilities, services, culinary, and attractions categories achieved, respectively, 91.2%, 86.8%, 94.1%, 89.7%, and 95.6% of accuracies. The average result accuracy is 91.48%. The manager of BUMDesa Mutiara Welirang satisfied with the results of the system and the sentiment results can be used as evaluation material for Sumber Gempong.

Keywords: sentiment anaylsis, LSTM, deep learning, social media, tourism

Abstrak—Wisata Sawah Sumber Gempong berada di Desa Ketapanrame, Kecamatan Trawas, Kabupaten Mojokerto dan merupakan tempat wisata alam yang dikelola oleh BUMDesa Mutiara Welirang. Evaluasi terhadap tempat wisata ini dilakukan dengan membaca secara manual ulasan-ulasan yang ditulis di media sosial dan pengamatan pribadi. Banyaknya jumlah ulasan yang ada menjadi kendala dalam melakukan evaluasi karena membutuhkan waktu yang cukup lama. Penelitian ini mengambil data ulasan secara otomatis dari media sosial yang diberi label positif atau negatif berdasarkan empat kategori, yaitu fasilitas, pelayanan, kuliner, dan wahana. Metode Long Short-Term Memory (LSTM) dipakai sebagai alat untuk melakukan analisis sentimen. Pengambilan data secara otomatis mendapatkan 674 ulasan yang dibagi menjadi 420 ulasan positif dan 254 ulasan negatif, dengan 320 ulasan fasilitas, 61 ulasan pelayanan, 125 ulasan kuliner , dan 192 ulasan wahana. Lima buah model dilatih berdasar tiap kategorinya dan kategori secara keseluruhan. Model yang telah dilatih mendapatkan nilai akurasi sebesar 91,2%, 86,8%, 94,1%, 89,7%, dan 95,6% berturut-turut untuk keseluruhan kategori, kategori fasilitas, layanan, kuliner, dan wahana. Rata-rata akurasi mencapai 91,48%. Hasil dari sistem telah diujicobakan kepada manajer BUMDesa Mutiara Welirang dan bisa dipakai sebagai bahan evalusi untuk peningkatan kualitas di Sumber Gempong.

Kata kunci: analisis sentimen, LSTM, deep learning, media sosial, wisata

Isomerization of Cis-2-Butene to Trans-2-Butene in a Plug Flow Reactor: A Simulation Study Using Aspen HYSYS V14

Rudy Agustriyanto, Endang Srihari Mochni, Edy Purwanto, Puguh Setyopratomo — Mon, 11 Nov 2024 06:21:57 +0000

Abstract—This study investigates the isomerization of cis-2-butene to trans-2-butene in a single-tube Plug Flow Reactor (PFR) using Aspen HYSYS V14 for process simulation. The reaction is modeled as a homogeneous, irreversible isomerization with first-order kinetics (rate constant k=0.003833 s−1). The objective was to determine the optimal reactor volume and channel diameter to achieve 95% conversion of cis-2-butene under specified conditions: 1 meter reactor length, 100 kgmol/h feed rate, 12 bar pressure, and 25°C. The Peng-Robinson fluid package was employed for thermodynamic calculations. Simulation results indicate that a reactor volume of 2.268 m³ and channel diameter of 1.699 m are required to achieve the target conversion. This study demonstrates the efficacy of Aspen HYSYS in reactor design optimization and provides valuable insights for industrial applications of butene isomerization. The methodology presented offers a robust framework for addressing similar chemical engineering challenges.

Keywords: aspen HYSYS, butene, isomerization, plug flow reactor, process simulation.

Abstrak—Penelitian ini menyelidiki isomerisasi cis-2-butena menjadi trans-2-butena dalam Reaktor Aliran Sumbat (PFR) tabung tunggal dengan menggunakan Aspen HYSYS V14 untuk simulasi proses. Reaksi dimodelkan sebagai isomerisasi homogen irreversible, dengan kinetika orde pertama (konstanta kecepatan reaksi k = 0,003833 s⁻¹). Tujuan penelitian ini adalah menentukan volume reaktor dan diameter saluran yang optimal untuk mencapai konversi cis-2-butena sebesar 95% di bawah kondisi yang telah ditentukan: panjang reaktor 1 meter, laju umpan 100 kgmol/jam, tekanan 12 bar, dan suhu 25°C. Paket fluida Peng-Robinson digunakan untuk perhitungan termodinamika. Hasil simulasi menunjukkan bahwa volume reaktor sebesar 2,268 m³ dan diameter saluran sebesar 1,699 m diperlukan untuk mencapai konversi yang ditargetkan. Penelitian ini menunjukkan efektivitas Aspen HYSYS dalam optimasi desain reaktor dan memberikan wawasan berharga untuk aplikasi industri isomerisasi butena. Metodologi yang dipresentasikan menawarkan kerangka kerja yang kuat untuk mengatasi tantangan rekayasa kimia serupa.

Kata kunci: aspen HYSYS, butena, isomerisasi, plug flow reaktor, simulasi proses

Keluwih: Jurnal Sains dan Teknologi

Sentiment Analysis for Sumber Gempong Rice Field-Based Tourism Destination using Long Short-Term Memory

Isomerization of Cis-2-Butene to Trans-2-Butene in a Plug Flow Reactor: A Simulation Study Using Aspen HYSYS V14