Penerapan Teknik Smote pada Analisis Sentimen Berdasar Aspek Utama menggunakan Algoritma Naïve Bayes (Studi Kasus: Hotel Neo Malioboro by ASTON)

Abstract

Analisis sentimen terhadap ulasan pelanggan memiliki peran penting dalam industri perhotelan untuk memahami tingkat kepuasan tamu dan meningkatkan kualitas layanan. Namun, salah satu tantangan utama dalam analisis sentimen adalah ketidakseimbangan data, di mana ulasan dengan sentimen positif umumnya lebih dominan dibandingkan ulasan negatif. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan hotel Neo Malioboro by ASTON serta menganalisis aspek-aspek yang paling berpengaruh terhadap kepuasan pelanggan dengan menerapkan algoritma naïve bayes dan teknik Synthetic Minority Over- sampling Technique (SMOTE) untuk mengatasi ketidakseimbangan data. Hasil penelitian menunjukkan bahwa model naïve bayes yang digunakan memiliki akurasi sebesar 91.86%, dengan performa yang lebih baik dalam mengklasifikasikan sentimen positif dibandingkan negatif. Teknik SMOTE terbukti membantu dalam meningkatkan sensitivitas model terhadap ulasan negatif, meskipun masih terdapat keterbatasan dalam mengenali pola ulasan yang lebih kompleks. Berdasarkan klasifikasi aspek, aspek service, room quality, dan cleanliness memperoleh ulasan positif yang dominan, sementara aspek facilities & amenities serta location memiliki lebih banyak ulasan negatif dibandingkan aspek lainnya. Hasil penelitian ini diharapkan dapat membantu pihak hotel dalam memahami preferensi pelanggan serta menjadi referensi bagi penelitian selanjutnya dalam bidang analisis sentimen perhotelan.