KLASIFIKASI SENTIMEN ULASAN HOTEL DI ALOR MENGGUNAKAN ALGORITMA NAÏVE BAYES

Abstract

Perkembangan teknologi informasi telah mendorong pelanggan untuk memberikan ulasan terhadap layanan hotel melalui berbagai platform digital, seperti Google Review dan Traveloka. Ulasan tersebut menjadi sumber informasi yang penting bagi pihak hotel dalam mengevaluasi kualitas pelayanan dan tingkat kepuasan pelanggan. Namun, banyaknya data ulasan menyebabkan proses analisis secara manual menjadi kurang efektif dan membutuhkan waktu yang cukup lama. Oleh karena itu, penelitian ini bertujuan membangun sistem analisis sentimen berbasis web menggunakan algoritma Naïve Bayes untuk mengklasifikasikan ulasan pelanggan Hotel Nusa Kenari ke dalam kategori positif, negatif, dan netral. Dataset yang digunakan dalam penelitian ini terdiri dari 613 data ulasan yang diperoleh dari Google Review, Traveloka, dan hasil wawancara. Tahapan penelitian meliputi preprocessing data berupa data cleaning, case folding, tokenizing, stopword removal, stemming, pembobotan kata menggunakan TF-IDF, proses oversampling, serta pembagian data menjadi 80% data training dan 20% data testing. Model klasifikasi dibangun menggunakan algoritma Naïve Bayes dan dievaluasi menggunakan Confusion Matrix, Accuracy, Precision, Recall, dan F1-Score. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan sentimen ulasan pelanggan dengan tingkat akurasi sebesar 80,54%. Hasil tersebut menunjukkan bahwa algoritma Naïve Bayes memiliki performa yang baik dalam analisis sentimen sehingga dapat membantu pengelola Hotel Nusa Kenari memperoleh informasi mengenai persepsi pelanggan secara lebih cepat, objektif, dan efisien sebagai dasar peningkatan kualitas pelayanan.