ANALISA SENTIMEN PADA ULASAN GOOGLE UNTUK HOTEL GRAN MAHAKAM JAKARTA MENGGUNAKAN PENDEKATAN MACHINE LEARNING

Abstract

Fitur Google Review memungkinkan pelanggan untuk mem-posting ulasan maupun rating secara publik mengenai pengalaman mereka dengan layanan serta produk sebuah bisnis. Ketika seorang pengguna memberikan rating tertentu, umumnya diasumsikan bahwa rating tersebut mencerminkan sentimen atau pendapat mereka tentang produk atau layanan tersebut. Terkadang ulasan yang disertakan oleh pengguna dapat menunjukkan sentimen yang bertentangan dengan rating yang diberikan. Salah satu ulasan yang memiliki cukup banyak kontradiksi antara rating dan sentimen review adalah ulasan pada hotel Gran Mahakam yang berlokasi di Jakarta. Dalam melakukan analisis sentimen ada beberapa metode yang dapat digunakan, antara lain SVM (Support Vector Machine) dan Naïve Bayes Classifier (NBC). Penelitian ini bertujuan untuk membangun model analisis sentimen pada ulasan hotel Gran Mahakam menggunakan pendekatan machine learning sebagai perbandingan untuk mengetahui polaritas sentimen dan kecenderungan opini konsumen. Hasil dari penelitian ini menghasilkan nilai dari evaluasi model kerja yaitu akurasi sebesar 92% pada algoritma SVM, dan 90% pada NBC. Lebih lanjut, penelitian ini menemukan kasus dimana NBC memiliki nilai Precision yang tidak terdefinisi, karena gagal memprediksi satu pun label senitmen negatif. Hal ini diduga karena karakteristik dataset ulasan yang merupakan imbalanced dataset. Dapat disimpulkan secara keseluruhan model yang dibangun menggunakan SVM memiliki performa yang lebih baik dari model menggunakan NBC, dalam kasus analisa sentimen pada ulasan hotel Gran Mahakam di Google Review.