ANALISIS SENTIMEN PADA ULASAN PELANGGAN SEBAGAI DASAR EVALUASI LAYANAN URBAN VIEW HOTEL BUNDARAN BESAR PALANGKA RAYA

Banyaknya ulasan pelanggan digital pada Urbanview Hotel Bundaran Besar Palangka Raya menghasilkan volume data tekstual tidak terstruktur yang terus meningkat. Kondisi ini menyulitkan pihak manajemen dalam mengevaluasi kualitas pelayanan secara manual. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan pendekatan komputasional analisis sentimen ulasan pelanggan secara otomatis. Hasil dari sistem ini ditujukan sebagai instrumen evaluasi dan dasar pengambilan keputusan strategis bagi manajemen hotel untuk
meningkatkan kepuasan konsumen.
Metode penelitian ini menggunakan pendekatan Text Mining yang diawali dengan tahapan preprocessing teks meliputi case folding, cleansing, tokenizing, normalisasi, stopword removal, dan stemming. Masalah ketidak seimbangan kelas diatasi melalui teknik oversampling, sedangkan transformasi teks menggunakan ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF). Proses klasifikasi sentimen ulasan ke dalam kategori positif dan negatif dilakukan dengan membandingkan tiga algoritma machine learning, yaitu Multinomial Naive Bayes, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN) menggunakan data uji.
Hasil pengujian menunjukkan bahwa algoritma SVM memperoleh akurasi keseluruhan tertinggi sebesar 89,91%, diikuti oleh KNN sebesar 81,65%, dan Naive Bayes sebesar 80,73%. Kendati demikian, hasil evaluasi mendalam menunjukkan adanya metrik akurasi yang memberikan gambaran menipu pada SVM dan KNN karena sangat bias pada kelas mayoritas ulasan positif. Berdasarkan metrik kelas minoritas, algoritma Naive Bayes secara resmi dipilih sebagai model terbaik karena menghasilkan nilai Recall negatif tertinggi sebesar 0,44 dan F1-Score sebesar 0,28. Kesimpulannya, Naive Bayes terbukti paling responsif dalam menjaring keluhan pelanggan sehingga direkomendasikan sebagai sistem peringatan dini evaluasi layanan hotel.