| dc.description.abstract | Analisis sentimen terhadap ulasan pelanggan memiliki peran penting dalam
industri perhotelan untuk memahami tingkat kepuasan tamu dan meningkatkan
kualitas layanan. Namun, salah satu tantangan utama dalam analisis sentimen
adalah ketidakseimbangan data, di mana ulasan dengan sentimen positif umumnya
lebih dominan dibandingkan ulasan negatif. Penelitian ini bertujuan untuk
mengklasifikasikan sentimen ulasan hotel Neo Malioboro by ASTON serta
menganalisis aspek-aspek yang paling berpengaruh terhadap kepuasan pelanggan
dengan menerapkan algoritma naïve bayes dan teknik Synthetic Minority Over-
sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan data. Hasil
penelitian menunjukkan bahwa model naïve bayes yang digunakan memiliki
akurasi sebesar 91.86%, dengan performa yang lebih baik dalam
mengklasifikasikan sentimen positif dibandingkan negatif. Teknik SMOTE
terbukti membantu dalam meningkatkan sensitivitas model terhadap ulasan negatif,
meskipun masih terdapat keterbatasan dalam mengenali pola ulasan yang lebih
kompleks. Berdasarkan klasifikasi aspek, aspek service, room quality, dan
cleanliness memperoleh ulasan positif yang dominan, sementara aspek facilities &
amenities serta location memiliki lebih banyak ulasan negatif dibandingkan aspek
lainnya. Hasil penelitian ini diharapkan dapat membantu pihak hotel dalam
memahami preferensi pelanggan serta menjadi referensi bagi penelitian selanjutnya
dalam bidang analisis sentimen perhotelan. | en_US |
