Indonesia merupakan negara yang kaya akan warisan budaya dan sejarah dengan jumlah provinsi mencapai sebanyak 38 provinsi. Borobudur merupakan salah satu dari 5 destinasi super prioritas yang bertujuan untuk meningkatkan kualitas dan kuantitas destinasi pariwisata. Borobudur diharapkan dapat memberikan peluang bagi pertumbuhan ekonomi di wilayah sekitarnya agar orang-orang yang berada di Borobudur dapat melanjutkan kunjungan pariwisata di wilayah terdekat, khususnya wilayah Yogyakarta, Solo, dan Semarang (Joglosemar). Namun, hal tersebut bertolak belakang dengan peristiwa yang terjadi di tahun 2019, dimana 4 juta wisatawan yang datang ke Borobudur hanya menetap selama 2 sampai dengan 3 jam saja, dan setelahnya memutuskan untuk pergi ke tempat lain.
Agen/Operator Tur (Tour Operator) merupakan salah satu aspek kunci dalam rantai pasokan pariwisata yang memiliki peran cukup penting dalam membantu wisatawan dalam memilih destinasi wisata dengan fasilitas dan harga yang ditawarkan oleh masing-masing Agen/Operator Tur (Tour Operator) melalui platform media sosial, khususnya Instagram.
Tujuan penelitian ini adalah untuk mengetahui struktur jaringan dan sentimen interaksi masyarakat yang ditunjukkan pada komentar di postingan Instagram mengenai travel agent wilayah Joglosemar. Metode yang digunakan pada penelitian ini adalah social network analysis dan sentiment analysis untuk mendapatkan hasil dalam upaya membantu tercapainya program berkelanjutan yang ingin direncanakan pada wilayah Joglosemar.
Hasil analisis menggunakan social network analysis menghasilkan struktur jaringan yang terbentuk melalui identifikasi dengan pengukuran centrality. User staycationjogja memiliki nilai degree centrality, betweenness centrality, dan eigenvector centrality yang paling tinggi dibandingkan user lainnya, sementara terdapat beberapa user dengan nilai closeness centrality tertinggi sebesar 1, salah satunya adalah user joglosemartour.id.
Hasil analisis menggunakan sentiment analysis menghasilkan sentimen yang terbentuk melalui identifikasi dengan klasifikasi Support Vector Machine (SVM). Dengan tingkat accuracy sebesar 90%, sentimen negative mendominasi sebesar 73,1% dengan komentar yang berisikan hashtag yang tidak mengandung informasi yang bermanfaat, kemudian sentimen positive sebesar 26,9% yang berisi komentar kurang mendetail sehingga membuat presentase cenderung kecil. Jumlah True Negative (TN) sebanyak 459, False Negative (FN) sebanyak 45, True Positive (TP) sebanyak 128, dan False Positive (FP) sebanyak 18.
Kata Kunci: manajemen jasa, agen perjalanan, Instagram, data besar, analisis jaringan sosial, analisis sentimen.