Analisis Sentimen pada review hotel menggunakan metode pembobotan dan klasifikasi
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Secara global, industry pariwisata memiliki peranan penting dalam kemajuan ekonomi pada suatu wilayah atau negara. perkembangan tersebut dibantu oleh perkembangan teknologi internet seperti sosial media, website portal pariwisata dan lain - lain. penilaian dari suatu hotel di website portal juga dapat mempengaruhi keinginan konsumen apakah memilih hotel tersebut atau tidak. Analisis sentimen terhadap review yang dikeluarkan oleh konsumen dapat dibagi menjadi review positif atau review negatif. Analisis sentimen dimulai dari pengambilan data yaitu scrapping kemudian diteruskan menuju proses preprocessing sehingga didapat data yang siap untuk dianalis. setelah dilakukan proses preprocessing dilanjutkan dengan proses pembobotan. proses pembobotan menggunakan tiga buah metode yaitu Unigram, bigram dan term frequency Inverse Document frequency. Setelah dilakukan proses pembobotan dilakukan proses Klasifikasi menggunakan dua buah metode yaitu Naive bayes dan Support vector Machine. Hasil dari proses klasifikasi tersebut adalah akurasi tertinggi yang didapat oleh metode pembobotan TF- IDf dan metode SVM sebesar 95 % diikuti dengan Metode pembobotan Unigram dengan metode SVM sebesar 94 %.
##plugins.themes.bootstrap3.displayStats.downloads##
Rincian Artikel
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Hak cipta pada setiap artikel adalah milik penulis, dan penulis mengakui bahwa Jnanaloka sebagai pihak yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution (CC BY). Lisensi ini mengijinkan untuk, Berbagi yakni menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun; dan Adaptasi yakni menggubah, mengubah, dan membuat turunan dari materi iniuntuk kepentingan apapun, termasuk kepentingan komersial dengan ketentuan Atribusi
Cara Mengutip
Referensi
M. Afzaal, M. Usman, and A. Fong, “Tourism mobile app with aspect-based sentiment classification framework for tourist reviews,” IEEE Trans. Consum. Electron., vol. 65, no. 2, pp. 233–242, 2019, doi: 10.1109/TCE.2019.2908944.
A. N. Farhan and M. L. Khodra, “Sentiment-specific word embedding for Indonesian sentiment analysis,” Proc. - 2017 Int. Conf. Adv. Informatics Concepts, Theory Appl. ICAICTA 2017, 2017, doi: 10.1109/ICAICTA.2017.8090964.
J. H. Jaman and R. Abdulrohman, “Sentiment Analysis of Customers on Utilizing Online Motorcycle Taxi Service at Twitter with the Support Vector Machine,” ICECOS 2019 - 3rd Int. Conf. Electr. Eng. Comput. Sci. Proceeding, pp. 231–234, 2019, doi: 10.1109/ICECOS47637.2019.8984483.
M. Li, Y. Ma, and P. Cao, “Revealing Customer Satisfaction with Hotels through Multi-Site Online Reviews: A Method Based on the Evidence Theory,” IEEE Access, vol. 8, pp. 225226–225239, 2020, doi: 10.1109/ACCESS.2020.3044252.
J. De Godoi Brandao and W. P. Calixto, “N-Gram and TF-IDF for Feature Extraction on Opinion Mining of Tweets with SVM Classifier,” 2019 Int. Conf. Artif. Intell. Data Process. Symp. IDAP 2019, 2019, doi: 10.1109/IDAP.2019.8875900.
Imamah and F. H. Rachman, “Twitter sentiment analysis of Covid-19 using term weighting TF-IDF and logistic regresion,” Proceeding - 6th Inf. Technol. Int. Semin. ITIS 2020, pp. 238–242, 2020, doi: 10.1109/ITIS50118.2020.9320958.
T. Fahrudin, J. Lianto, and C. Fatichah, “Ina-BWR : Indonesian bigram word rule for multi-label student complaints,” Egypt. Informatics J., vol. 20, no. 3, pp. 151–161, 2019, doi: 10.1016/j.eij.2019.03.001.
V. Amrizal, “Penerapan Metode Term Frequency Inverse Document Frequency (Tf-Idf) Dan Cosine Similarity Pada Sistem Temu Kembali Informasi Untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus: Hadits Shahih Bukhari-Muslim),” J. Tek. Inform., vol. 11, no. 2, pp. 149–164, 2018, doi: 10.15408/jti.v11i2.8623.
A. Ordonez, R. E. Paje, and R. Naz, “SMS classification method for disaster response using naïve bayes algorithm,” Proc. - 2018 Int. Symp. Comput. Consum. Control. IS3C 2018, pp. 233–236, 2019, doi: 10.1109/IS3C.2018.00066.
A. Perdana and M. T. Furqon, “Penerapan Algoritma Support Vector Machine ( SVM ) Pada Pengklasifikasian Penyakit Kejiwaan Skizofrenia ( Studi Kasus : RSJ . Radjiman Wediodiningrat , Lawang ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 9, pp. 3162–3167, 2018.