Analisis Sentimen Terhadap Hotel Keprabon Menggunakan Algoritma Naïve Bayes

Abstract

Hotel Keprabon sebagai salah satu hotel nonbintang di Surakarta menghadapi tantangan dalam memahami
persepsi pelanggan terhadap kualitas layanan mereka.
Banyaknya ulasan pelanggan yang tersebar di platform digital
menyebabkan kesulitan dalam melakukan analisis secara
manual. Sistem ini dirancang untuk menerima masukan berupa
data ulasan pelanggan dan menghasilkan keluaran berupa
klasifikasi sentimen positif atau negatif. Topik ini penting
karena ulasan pelanggan di platform seperti Traveloka dan
Tiket.com sangat memengaruhi citra dan keputusan calon
pelanggan. Saat ini, Hotel Keprabon belum memiliki sistem
terstruktur untuk mengolah opini pelanggan secara otomatis,
sehingga diperlukan pendekatan yang efisien untuk menggali
insight dari data yang tidak terstruktur. Solusi yang
dikembangkan berupa sistem analisis sentimen berbasis
klasifikasi. Data ulasan dikumpulkan dari platform digital, lalu
diproses melalui tahap pembersihan, normalisasi, dan konversi
menjadi format terstruktur. Sentimen ditentukan
menggunakan pendekatan klasifikasi berbasis model statistik,
dilatih pada data yang telah diseimbangkan dan diberi bobot
kata. Sistem ini dibangun menggunakan pendekatan
pembelajaran mesin yang sederhana namun efektif untuk teks
Bahasa Indonesia. Sistem ini berhasil mengklasifikasikan
ulasan dengan tingkat akurasi mencapai 87%. Kontribusi
utama dari penelitian ini adalah sistem otomatis yang mampu
membantu pengelola hotel dalam mengevaluasi layanan
berdasarkan opini pelanggan secara efisien dan objektif.
Kata kunci— analisis sentimen, ulasan, naïve bayes, TF-IDF,
hotel, SMOTE