Analisis Sentimen Pelanggan Hotel di Purwokerto Menggunakan Metode Random Forest dan TF-IDF (Studi Kasus: Ulasan Pelanggan Pada Situs TRIPADVISOR)

Main Article Content

Boma Bayu Baskoro
Irwan Susanto
Siti Khomsah

Abstract

Aplikasi e-tourism di Indonesia sudah banyak diterapkan terutama untuk layanan akomodasi wisata seperti hotel atau penginapan. Salah satu aplikasi e-tourism yang terkenal adalah tripadvisor.co.id. Aplikasi tersebut memudahkan masyarakat memesan hotel secara online karena lebih cepat, praktis dan mudah. Salah satu faktor penting dalam memilih hotel terbaik dengan harga terjangkau ialah pendapat para pelanggan hotel dari ulasan pada kolom komentar dari para pelanggan hotel sebelumnya. Banyaknya data ulasan pelanggan membutuhkan waktu yang lama untuk mengetahui polaritas ulasan positif dan mana ulasan negatif secara manual. Oleh karena itu diperlukan model analisis sentimen yang akurat yang dapat mengklasifikasikan ulasan pelanggan menjadi ulasan positif dan negatif. Pada penelitian ini diusulkan model analisis sentimen pelanggan hotel menggunakan metode Random Forest Classifier dan Term Frequency–Inverse Document Frequency (TF–IDF). Dataset yang digunakan untuk membangun model sentimen analisis adalah data komentar-komentar pelanggan hotel di Purwokerto yang diunduh dari situs tripadvisor.co.id. Pada preprocessing melibatkan proses konversi slangword menjadi kata baku sesuai KBBI, stemming, dan menambahkan kata-kata stopword baru selain stopword dalam library sastrawi.  Hasil penelitian menunjukkan akurasi model mencapai akurasi 87,23%. Akan tetapi jika tanpa proses stemming, akurasi model hanya 76,07%.

Article Details

How to Cite
Baskoro, B., Susanto, I., & Khomsah, S. (2021). Analisis Sentimen Pelanggan Hotel di Purwokerto Menggunakan Metode Random Forest dan TF-IDF (Studi Kasus: Ulasan Pelanggan Pada Situs TRIPADVISOR). Journal of Informatics Information System Software Engineering and Applications (INISTA), 3(2), 21-29. https://doi.org/10.20895/inista.v3i2.218
Section
Articles

References

[1] BPS, “Banyaknya Hotel Di Wilayah Kabupaten Banyumas Dirinci Per Kecamatan Tahun 2014,” 2016. https://banyumaskab.bps.go.id/statictable/2016/03/28/73/banyaknya-hotel-di-wilayah-kabupaten-banyumas-dirinci-per-kecamatan-tahun-2014.html (accessed Jan. 01, 2020).
[2] S. Khomsah, A. F. Hidayatullah, and A. S. Aribowo, “Comparison of the Effects of Feature Selection and Tree-Based Ensemble Machine Learning for Sentiment Analysis on Indonesian YouTube Comments,” 2021, pp. 161–172, doi: 10.1007/978-981-33-6926-9_15.
[3] S. Khomsah and A. S. Aribowo, “Model Text-Preprocessing Komentar Youtube Dalam Bahasa Indonesia,” Rekayasa Sistem dan Teknologi Informasi, RESTI, vol. 4, no. 4, pp. 648–654, 2020, doi: 10.29207/resti.v4i4.2035.
[4] S. Khedkar and S. Shinde, “Linguistic Feature-Based Praise or Complaint Classification from Customer Komentars,” in International Conference on Intelligent Computing, Information and Control Systems (ICICCS 2019), 2019, pp. 470–481, doi: 10.1007/978-3-030-30465-2_52.
[5] I. Z. Evasaria M. Sipayung, Herastia Maharani, “Perancangan Sistem Analisis Sentimen Komentar Pelanggan Menggunakan Metode Naive Bayes Classifier,” Jurnal Sistem Informasi (JSI), vol. 8, no. 1, pp. 104–126, 2016.
[6] Elin Hanjani Pramitha; Siti Khomsah; Amalia Beladinna Arifa;, “Analisis Sentimen Pelanggan Hotel Di Purwokerto Menggunakan Naive Bayes Classifier dan Particle Swarm Optimization ( Studi Kasus: Ulasan Pelanggan pada Situs Agoda dan Tripadvisor),” Banyumas, 2020.
[7] L. Mostafa, “Machine Learning-Based Sentiment Analysis for Analyzing the Travelers Komentars on Egyptian Hotels,” in Proceedings of the International Conference on Artificial Intelligence and Computer Vision (AICV2020), 2020, pp. 405–413, doi: 10.1007/978-3-030-44289-7_38.
[8] A. S. Aribowo, H. Basiron, N. S. Herman, and S. Khomsah, “Fanaticism Category Generation Using Tree-Based Machine Learning Method,” in International Conference on Science & Technology (ICoST 2019), 2020, vol. 1501, no. 1, doi: 10.1088/1742-6596/1501/1/012021.
[9] Y. Hegde and S. K. Padma, “Sentiment Analysis Using Random Forest Ensemble for Mobile Product Komentars in Kannada,” 2017, doi: 10.1109/IACC.2017.151.
[10] S. Khomsah, P. Studi, S. Data, J. Tengah, and I. Artikel, “Sentiment Analysis On YouTube Comments Using Word2Vec and Random Forest,” vol. 18, no. 1, pp. 61–72, 2021, doi: 10.31515/telematika.v18i1.4493.