ATMALUHURATMALUHUR

Jurnal Sisfokom (Sistem Informasi dan Komputer)Jurnal Sisfokom (Sistem Informasi dan Komputer)

Ulasan online secara signifikan membentuk persepsi publik dan memainkan peran krusial dalam pengambilan keputusan pelanggan di sektor perhotelan. Penelitian ini bertujuan untuk melakukan analisis sentimen berbasis aspek pada ulasan hotel bintang lima di Indonesia menggunakan model IndoBERT yang telah disesuaikan (fine-tuned). Berbeda dengan penelitian sebelumnya yang sebagian besar menerapkan IndoBERT pada hotel tunggal atau kumpulan data skala kecil, studi ini mengisi kesenjangan tersebut dengan meneliti 2.499 ulasan yang dikumpulkan dari lima hotel mewah di Jakarta. Analisis ini berfokus pada lima aspek layanan penting: kebersihan, kualitas layanan, kenyamanan kamar, makanan & minuman, dan fasilitas inti. Model IndoBERT-base disesuaikan dengan data sentimen aspek yang teranotasi dan dinilai menggunakan akurasi, presisi, recall, F1-score, dan matriks kebingungan. Hasil eksperimen menunjukkan bahwa model mencapai akurasi 95,28% dengan macro F1-score 82,44%. Sentimen positif mendominasi ulasan (81,4%), sementara sentimen netral dan negatif masing-masing sebesar 16,9% dan 1,7%. Layanan, bersama dengan makanan & minuman, menerima pujian tertinggi, sedangkan kebersihan dan fasilitas inti lebih sering dievaluasi secara netral. Anotasi aspek dan sentimen dilakukan secara semi-otomatis menggunakan model bahasa besar (LLMs) dan kemudian divalidasi oleh anotator manusia untuk memastikan keandalan. Temuan ini menyoroti kemampuan kuat IndoBERT dalam klasifikasi sentimen berbasis aspek untuk ulasan hotel Indonesia dan memberikan wawasan yang dapat ditindaklanjuti bagi manajer hotel untuk meningkatkan kualitas layanan. Selain itu, studi ini menunjukkan signifikansi akademik dan praktis dari penerapan model Transformer yang disesuaikan untuk analisis pengalaman pelanggan di dunia nyata.

Penelitian ini berhasil menerapkan analisis sentimen berbasis aspek (ABSA) menggunakan model IndoBERT yang telah disesuaikan untuk mengkaji ulasan hotel bintang lima di Jakarta, mencapai akurasi keseluruhan 95,28% dan performa klasifikasi yang kuat melampaui metode dasar lainnya.Analisis menunjukkan sentimen positif dominan pada aspek layanan serta makanan & minuman, sementara sentimen netral seringkali terkait kebersihan dan sentimen negatif pada fasilitas inti serta kenyamanan kamar.Studi ini berhasil mengatasi kesenjangan penelitian dengan menganalisis ulasan dari berbagai hotel, memberikan wawasan berharga bagi manajemen hotel dan menegaskan efektivitas model Transformer untuk analisis sentimen di sektor perhotelan Indonesia.

Penelitian lanjutan dapat mengeksplorasi ekstraksi aspek dinamis dari ulasan hotel menggunakan metode pembelajaran tanpa pengawasan atau sedikit data, untuk mengidentifikasi aspek-aspek baru yang muncul secara otomatis tanpa kategori yang telah ditentukan sebelumnya. Pendekatan ini akan memungkinkan analisis sentimen berbasis aspek yang lebih komprehensif dan adaptif, tidak hanya terbatas pada hotel bintang lima di Jakarta, tetapi juga untuk berbagai jenis akomodasi atau sektor jasa lainnya, sehingga dapat menangkap opini pelanggan yang lebih beragam dan mendalam yang mungkin terlewatkan oleh kategori statis. Selanjutnya, studi berikutnya bisa berfokus pada pengembangan strategi penanganan ketidakseimbangan kelas yang lebih canggih, seperti augmentasi data adaptif atau fungsi kerugian yang disesuaikan untuk model Transformer, guna meningkatkan kinerja klasifikasi sentimen negatif dan netral yang minoritas, yang seringkali sulit ditangkap karena nuansa ekspresi yang halus atau jumlah data yang terbatas. Selain itu, pengembangan sistem yang tidak hanya mengklasifikasikan sentimen secara akurat tetapi juga secara otomatis menghasilkan rekomendasi tindakan konkret dan prediktif bagi manajer hotel adalah arah penelitian yang sangat menjanjikan. Ini bisa melibatkan integrasi model inferensi kausal atau pembelajaran penguatan untuk menyarankan perbaikan operasional spesifik, serta pemodelan prediktif untuk tren kepuasan pelanggan atau identifikasi dini masalah potensial berdasarkan aliran ulasan waktu nyata, yang akan memberikan kapabilitas manajemen yang lebih proaktif dan strategis bagi industri perhotelan untuk mempertahankan keunggulan kompetitif.

  1. Analisis Sentimen Pengguna X Indonesia Terkait Kendaraan Listrik Menggunakan IndoBERT | Jurnal Ilmu Komputer... ejournal.sisfokomtek.org/index.php/jikom/article/view/2895Analisis Sentimen Pengguna X Indonesia Terkait Kendaraan Listrik Menggunakan IndoBERT Jurnal Ilmu Komputer ejournal sisfokomtek index php jikom article view 2895
  2. Deep Learning for Aspect-Based Sentiment Analysis on Indonesian Hotels Reviews | Kinetik: Game Technology,... kinetik.umm.ac.id/index.php/kinetik/article/view/1300Deep Learning for Aspect Based Sentiment Analysis on Indonesian Hotels Reviews Kinetik Game Technology kinetik umm ac index php kinetik article view 1300
  3. Resolving ambiguity in natural language for enhancement of aspect-based sentiment analysis of hotel reviews... peerj.com/articles/cs-2635Resolving ambiguity in natural language for enhancement of aspect based sentiment analysis of hotel reviews peerj articles cs 2635
Read online
File size4.45 MB
Pages9
DMCAReport

Related /

ads-block-test