VOKASI NEWS – Sistem analisis sentimen berbasis SVM mengklasifikasikan ulasan hotel budget di Surabaya secara akurat, membantu manajemen dan konsumen mengambil keputusan lebih tepat.
Pertumbuhan hotel budget di Surabaya terus meningkat seiring kebutuhan akomodasi terjangkau. Banyaknya pilihan hotel mendorong calon tamu untuk mencari referensi dari ulasan pelanggan di platform digital seperti Google Review, Traveloka, dan Agoda. Informasi yang terkandung dalam ulasan tersebut sangat berharga, namun jumlahnya yang besar membuat proses pembacaan manual menjadi tidak efisien.
Teknologi kecerdasan buatan memberikan solusi melalui analisis sentimen berbasis pembelajaran mesin. Salah satu metode yang efektif digunakan dalam klasifikasi opini adalah Support Vector Machine (SVM). Algoritma ini mampu mengenali pola teks dan mengelompokkan sentimen secara akurat ke dalam kategori positif atau negatif.
Pengembangan Model dan Hasil Pengujian
Penelitian ini mengembangkan sistem analisis sentimen pada ulasan hotel budget di Surabaya dengan menerapkan SVM. Data pelatihan diambil dari ulasan pelanggan yang telah dilabeli sentimen. Hasil pengujian menunjukkan tingkat akurasi sebesar 94,63%.
Pada kategori sentimen positif, model mencapai precision 0,97, recall 0,96, dan F1-score 0,97. Sementara itu, untuk sentimen negatif, precision berada pada angka 0,88, recall 0,89, dan F1-score 0,88. Perbedaan skor ini menunjukkan bahwa model lebih optimal dalam mengidentifikasi sentimen positif.
Implementasi Sistem dan Manfaat
Sistem ini diimplementasikan dalam bentuk website interaktif. Pengguna dapat melihat hasil klasifikasi sentimen per hotel berdasarkan ulasan yang telah dihimpun, atau menguji sentimen dari teks yang mereka masukkan secara langsung.
Bagi manajemen hotel, sistem ini membantu memantau persepsi pelanggan secara cepat dan terukur. Informasi tersebut dapat menjadi dasar perbaikan layanan. Sementara itu, calon tamu dapat menggunakan data sentimen sebagai referensi sebelum memutuskan tempat menginap.
Penerapan analisis sentimen otomatis ini meningkatkan efisiensi pengambilan keputusan di sektor perhotelan. Pengelola dapat segera mengidentifikasi kekuatan dan kelemahan layanan, sedangkan konsumen memperoleh gambaran objektif tentang kualitas hotel.
Teknologi pemrosesan bahasa alami seperti SVM terbukti efektif dalam mengelola opini pelanggan digital. Fokus pada wilayah Surabaya membuat sistem ini relevan dengan kebutuhan lokal dan memiliki potensi untuk diterapkan pada sektor lain yang mengandalkan ulasan daring.
[BACA JUGA: Ubah Sepeda Konvensional Jadi Sepeda Listrik Dengan e-Bike Kit berbasis ESP32]
***
Penulis: Rizka Salisa Puteri
Editor: Fatikah Rachmadianty
