ANALISIS SENTIMEN BERBASIS ASPEK PADA ULASAN HOTEL XYZ DI KOTA TANGERANG DENGAN ALGORITMA SVM

Authors

  • Yamka Sudirman Universitas Esa Unggul
  • Dwi Sartika Simatupang Universitas Esa Unggul

DOI:

https://doi.org/10.55123/storage.v4i4.6611

Keywords:

analisis sentimen, support vector machine, web scraping, tf-idf

Abstract

Di era digital, reputasi online penting bagi industri perhotelan, dengan ulasan pelanggan yangsangat memengaruhi keputusan tamu. Ulasan positif dapat meningkatkan reservasi dan loyalitas, sedangkanulasannegatif berpotensi menurunkan pendapatan. Fenomena ini relevan bagi hotel XYZ Kota Tangerangyangmenghadapi persaingan ketat. Oleh karena itu, analisis sentimen berbasis aspek menjadi penting, memungkinkanidentifikasi opini positif atau negatif pada aspek spesifik seperti fasilitas, kamar, kebersihan, dan pelayananuntuk memahami opini pelanggan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pelangganterhadap Hotel XYZ di Kota Tangerang berdasarkan empat aspek utama, yaitu fasilitas, kamar, kebersihan, danpelayanan. Metode yang digunakan adalah algoritma Support Vector Machine (SVM) dengan pendekatananalisis sentimen berbasis aspek. Data dikumpulkan melalui web scraping dan dilabeli menggunakanmetodelexicon-based. Proses preprocessing dan transformasi data dilakukan menggunakan metode TF-IDFuntukmenghasilkan representasi numerik yang relevan. Penanganan ketidakseimbangan data dilakukan menggunakanteknik SMOTE. Pengujian dilakukan terhadap parameter C pada rentang 1 hingga 5. Hasil menunjukkanbahwaaspek fasilitas memiliki performa paling stabil dengan nilai F1-Score yaitu 90%, sedangkan aspek pelayananmenunjukkan performa terendah. Nilai parameter C = 3 memberikan hasil paling optimal pada sebagianbesaraspek, terutama untuk data dengan distribusi sentimen yang tidak seimbang.

Downloads

Download data is not yet available.

References

Gabbard, D. (2023). The impact of online reviews on hotel performance. Journal of Modern Hospitality, 2(1), 26-36.

Morama, H. C., Ratnawati, D. E., & Arwani, I. (2022). Analisis Sentimen berbasis Aspek terhadap Ulasan Hotel Tentrem Yogyakarta menggunakan Algoritma Random Forest Classifier.Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(4), 1702-1708.

Dewia, N. P. A., ERa, N. A. S., Karyawatia, A. E., Made, I. B., Mahendraa, I. B. G. D., & Wibawaa, I. G. A. (2023). Analisis Sentimen Berbasis Aspek Ulasan Pelanggan Hotel di Bali Menggunakan Metode Decision Tree. Jurnal Elektronik Ilmu Komputer Udayana p-ISSN, 2301, 5373.

Prasetyo, M. R., & Fahrurozi, A. (2023). Analisa Sentimen Pada Ulasan Google Untuk Hotel Gran Mahakam Jakarta Menggunakan Pendekatan Machine Learning. Jurnal Ilmiah Informatika Komputer, 28(3), 203-217.

Anis, S., Saad, S., & Aref, M. (2020, September). Sentiment analysis of hotel reviews using machine learning techniques. In International Conference on Advanced Intelligent Systems and Informatics (pp. 227-234). Cham: Springer International Publishing.

Rahma Yustihan, S., & Pandu Adikara, P. (2021). Analisis Sentimen berbasis Aspek terhadap Data Ulasan Rumah Makan menggunakan Metode Support Vector Machine (SVM). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 5(3), 1017-1023.

Maulana, I., Apriandari, W., & Pambudi, A. (2023). Analisis Sentimen Berbasis Aspek Terhadap Ulasan Aplikasi Mypertamina Menggunakan Support Vector Machine. Idealis: Indonesia Journal Information System, 6(2), 172-181.

Radiena, G., & Nugroho, A. (2023). Analisis Sentimen Berbasis Aspek Pada Ulasan Aplikasi Kai Access Menggunakan Metode Support Vector Machine.Jurnal Pendidikan Teknologi Informasi (JUKANTI), 6(1), 1-10.

Mitchell, R. (2024). Web scraping with python. " O'Reilly Media, Inc.".

Jafari, R. (2022).Hands-On Data Preprocessing in Python: Learn how to effectively prepare data for successful data analytics. Packt Publishing Ltd.

Muhammadi, R. H., Laksana, T. G., & Arifa, A. B. (2022). Combination of support vector machine and lexicon-based algorithm in twitter sentiment analysis. Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika, 8(1), 59-71.

Zhou, Z., & Chen, Y. (2021). Svm barrage classification algorithm based on TF-IDF weighting and Its improvement. World Scientific Research Journal, 7(7), 142-151.

Jain, S., Jain, S. K., & Vasal, S. (2024, April). An effective TF-IDF model to improve the text classification performance. In 2024 IEEE 13th International Conference on Communication Systems and Network Technologies (CSNT) (pp. 1-4). IEEE.

Fauziah, Y., Yuwono, B., & Aribowo, A. S. (2021, December). Lexicon based sentiment analysis in Indonesia languages: A systematic literature review. In RSF Conference Series: Engineering and Technology (Vol. 1, No. 1, pp. 363-367).

Makhtum, A. R., & Muhajir, M. (2023). Sentiment analysis of omnibus law using support vector machine (SVM) with linear kernel. BAREKENG J. Ilmu Mat. dan Terap, 17(4), 2197-2206.

Downloads

Published

2025-11-30

Issue

Section

Articles