Analisis Sentimen Berbasis Aspek Ulasan Pelanggan Terhadap Kertanegara Premium Guest House Menggunakan Support Vector Machine.

Paulina, Wirdhayanti and Dr. Eng. Fitra Abdurrachman Bachtiar, S.T, M.Eng and Alfi Nur Rusydi, S.Si, M.Sc (2020) Analisis Sentimen Berbasis Aspek Ulasan Pelanggan Terhadap Kertanegara Premium Guest House Menggunakan Support Vector Machine. Sarjana thesis, Universitas Brawijaya.

Abstract

Saat ini, situs pemesanan perjalanan wisata atau Online Travel Agent (OTA) bukan hanya berfungsi untuk reservasi akomodasi wisata tetapi juga mempunyai peran baru sebagai media Electronic Word of Mouth (E-WOM). Kertanegara Premium Guest House adalah salah satu penginapan di Kota Malang yang terletak di Jl. Semeru No.59. Kertanegara sangat menyadari pentingnya peran teknologi dan E-WOM bagi kelangsungan bisnisnya. Hal ini dibuktikan dengan sebanyak 90 persen proses booking berasal dari situs OTA (Online Travel Agent). Sehingga penting untuk menampilkan image positif dalam situs tersebut untuk menghasilkan E-WOM yang positif. E-WOM dapat disebarkan melalui ulasan pelanggan. Kertanegara mengumpulkan ulasan pelanggan melalui dua sumber yaitu Guest Review dan situs OTA. Saat ini, proses pengolahan ulasan pelanggan masih berfokus hanya pada Guest Review. Hal ini menyebabkan evaluasi manajemen Kertanegara menjadi tidak efektif karna hanya mengandalkan Guest Review. Sementara itu ulasan pelanggan lebih banyak berasal dari ulasan online di situs OTA yang belum secara maksimal dimanfaatkan oleh pihak Kertanegara. Salah satu cara yang dapat digunakan untuk menganalisis dan mengolah teks ulasan/review tersebut adalah analisis sentimen. Analisis sentimen dilakukan dalam tingkat aspek untuk menentukan layanan dan aspek yang memiliki polaritas negatif atau positif menggunakan metode klasifikasi Support Vector Machine (SVM) dan Term Weighting (TF-IDF). Analisis sentimen menggunakan aspek lokasi, kamar, makanan, harga, dan layanan. Data teks ulasan yang digunakan berbahasa Indonesia berasal dari situs Agoda.com, Expedia, Pegi-Pegi, Booking.Com, TripAdvisor dan berjangka waktu dari tahun 2012 sampai tahun 2019. Pengujian hasil klasifikasi menghasilkan rata-rata nilai Accuracy diatas 70%. Hasil analisis kemudian divisualisasikan melalui dashboard dengan menampilkan 6 komponen penting sehingga dapat membantu Kertanegara dalam pengambilan langkah strategis untuk membenahi, memperbaiki dan meningkatkan layanan yang memiliki polaritas negatif.

Item Type:	Thesis (Sarjana)
Identification Number:	0520150481
Uncontrolled Keywords:	Guest House, Online Travel Agent, Analisis Sentimen, Klasifikasi, SVM, Dashboard
Subjects:	000 Computer science, information and general works > 004 Computer science
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	02 Aug 2022 02:30
Last Modified:	02 Aug 2022 02:30
URI:	http://repository.ub.ac.id/id/eprint/192944

Text (DALAM MASA EMBARGO) 0520150481-Wirdhayanti Paulina.pdf Restricted to Registered users only until 31 December 2023. Download (4MB)

Actions (login required)

View Item