ANALISIS SENTIMEN BERDASARKAN ASPEK PADA ULASAN HOTEL BERBAHASA INDONESIA

MAULISA DEWI MAHENDA, Aina Musdholifah, S.Kom, M.Kom, Ph.D ; Yunita Sari, S.Kom., M.Sc., Ph.D

2020 | Skripsi | S1 ILMU KOMPUTER

Ulasan dapat digunakan sebagai rekomendasi sebelum konsumen menentukan hotel yang akan dipilih. Pemesan diminta untuk memberikan penilaian per aspek dalam bentuk bintang yang disediakan oleh TripAdvisor.com dan menyebabkan timbulnya bias diantara ulasan yang sudah ditulis dan penilaian per aspek. Oleh karena itu, dibutuhkan analisis sentimen berdasarkan aspek dari ulasan yang sudah dituliskan oleh konsumen. Selain itu, dibutuhkan pula klastering aspect term untuk menentukan kata yang termasuk pada suatu aspek. Aspek yang digunakan pada penelitian ini adalah aspek lokasi, layanan, value, dan kebersihan. Proses klastering aspect term menggunakan Fuzzy C-Means dan proses klasifikasi sentimen menggunakan algoritma Bernoulli Naive Bayes dan Multinomial Naive Bayes. Data yang digunakan merupakan data yang berasal dari TripAdvisor.com dan menggunakan 129,256 ulasan dari 580 hotel. Proses klastering aspect term menggunakan Fuzzy C-Means dan menghasilkan nilai koefisien fuzzy partition tertinggi sebesar 0.81. Proses klasifikasi sentimen menggunakan representasi fitur CountVectorizer dan TfIdfVectorizer. Berdasarkan hasil pengujian klasifikasi sentimen setiap klaster aspek, rata-rata akurasi tertinggi sebesar 74.48% dan rata-rata f-measure tertinggi sebesar 84.58% dihasilkan oleh algoritma Multinomial Naive Bayes menggunakan TfidfVectorizer. Hasil akurasi yang diperoleh dari perhitungan rating sebesar 79.78%

Reviews can be used as recommendations before choosing hotel. The customer is asked to provide a per-aspect rating in the form of a star provided by TripAdvisor.com and causes a bias between the reviews that have been written and the ratings per aspect. Therefore, aspect based sentiment analysis is needed from the reviews written by customer. In addition, it also requires clustering of aspect terms to determine the words included in which aspect. Aspect that used in this experiment is location, service, value, and cleanliness. The clustering of aspect terms process uses Fuzzy C-Means and the sentiment classification process uses Bernoulli Naive Bayes algorithm and Multinomial Naive Bayes algorithm. The data used is data from TripAdvisor.com and uses reviews from 580 hotels that contains 129,256 reviews. The clustering aspects terms process uses Fuzzy C-Means and produces the highest fuzzy partition coefficient value of 0.81. The sentiment classification process uses the CountVectorizer and TfIdfVectorizer feature representations. Based on the results of the sentiment classification test for each aspect cluster, the highest average accuracy of 74.48% and highest average f-measure of 84.58% is generated by the Multinomial Naive Bayes algorithm using a TfIdfVectorizer. Accuracy result obtained from the calculation of rating prediction is 79.78%

Kata Kunci : Fuzzy C-Means clustering, analisis sentimen berdasarkan aspek, naive bayes