Pengembangan Model Long Short-Term Memory Pada Analisis Sentimen Ulasan Hotel
DOI:
https://doi.org/10.53513/jursi.v4i5.11695Keywords:
Analisis, Hotel, LSTM, Sentimen, UlasanAbstract
Sektor pariwisata di Indonesia memiliki potensi pengembangan yang signifikan karena kemampuannya untuk menciptakan peluang kerja dan meningkatkan pendapatan. Dalam industri perhotelan, persaingan yang ketat berarti bisnis harus terus mengevaluasi kinerja mereka, termasuk melalui ulasan tamu hotel. Analisis sentimen termasuk salah satu teknik Natural Languange Processing (NLP) yang menganalisis opini, sikap, dan emosi yang diekspresikan dalam teks. Teknik ini membantu mengidentifikasi kepuasan pelanggan dan mendukung pengambilan keputusan bisnis. Beberapa penelitian telah menggunakan berbagai metode untuk analisis sentimen ulasan hotel, termasuk Support Vector Machine (SVM), BERT dan Long Short-Term Memory (LSTM), dengan tingkat akurasi yang berbeda-beda. Meskipun BERT mencapai akurasi tertinggi, metode ini juga membutuhkan sumber daya komputasi yang besar. LSTM, di sisi lain, dapat menangkap pola temporal dan ketergantungan jangka panjang dengan biaya komputasi yang lebih rendah. Penelitian yang dilakukan di PT Global Data Inspirasi ini berfokus pada analisis sentimen ulasan hotel dari Y Group, yang mengoperasikan hotel-hotel di berbagai wilayah di Indonesia. LSTM dipilih karena kemampuannya untuk memproses data berurutan secara efisien. Model yang dikembangkan mencapai akurasi 86,79%, presisi 71,63%, recall 76,25%, dan F1-Score 72,24%. Temuan ini menunjukkan bahwa performa model lebih unggul dibandingkan dengan penelitian sebelumnya yang memanfaatkan LSTM. Hasil ini menunjukkan potensi model ini dalam mendukung strategi bisnis melalui analisis sentimen yang efektif.
References
H. C. Morama, D. E. Ratnawati, and I. Arwani, “Analisis Sentimen berbasis Aspek terhadap Ulasan Hotel Tentrem Yogyakarta menggunakan Algoritma Random Forest Classifier,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 4, pp. 1702–1708, 2022, [Online]. Available: http://j-ptiik.ub.ac.id
J. Miharja, J. L. Putra, and N. Hadianto, “Comparison of Machine Learning Classification Algorithm on Hotel Review Sentiment Analysis (Case Study: Luminor Hotel Pecenongan),” J. Pilar Nusa Mandiri, vol. 16, no. 1, pp. 59–64, 2020, doi: 10.33480/pilar.v16i1.1131.
S. A. Amira, S. Utama, and M. H. Fahmi, “Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Pada Ulasan Pelanggan Hotel Di Tripadvisor,” J. Ilmu Komput. dan Sist. Inf., vol. 10, no. 2, pp. 40–48, 2022, doi: 10.24912/jiksi.v10i2.22538.
Z. Ke, J. Sheng, Z. Li, W. Silamu, and Q. Guo, “Knowledge-Guided Sentiment Analysis Via Learning From Natural Language Explanations,” IEEE Access, vol. 9, pp. 3570–3578, 2021, doi: 10.1109/ACCESS.2020.3048088.
M. A. Nurrohmat and A. SN, “Sentiment Analysis of Novel Review Using Long Short-Term Memory Method,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 13, no. 3, p. 209, 2019, doi: 10.22146/ijccs.41236.
V. W. D. Thomas and F. Rumaisa, “Analisis Sentimen Ulasan Hotel Bahasa Indonesia Menggunakan Support Vector Machine dan TF-IDF,” J. Media Inform. Budidarma, vol. 6, no. 3, p. 1767, 2022, doi: 10.30865/mib.v6i3.4218.
V. Chandradev, I. M. A. D. Suarjaya, and I. P. A. Bayupati, “Analisis Sentimen Review Hotel Menggunakan Metode Deep Learning BERT,” J. Buana Inform., vol. 14, no. 02, pp. 107–116, 2023, doi: 10.24002/jbi.v14i02.7244.
W. Astriningsih and D. H. Fudholi, “Identifikasi Multi Aspek Sentimen Analisis pada Review Hotel Menggunakan Deep learning,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 10, no. 3, p. 433, 2023, [Online]. Available: https://jurnal.mdp.ac.id/index.php/jatisi/article/view/5321
A. R. Gunawan and R. F. A. Aziza, “Sentiment Analysis Using LSTM Algorithm Regarding Grab Application Services in Indonesia,” J. Appl. Informatics Comput., vol. 9, pp. 322–332, 2025, [Online]. Available: https://jurnal.polibatam.ac.id/index.php/JAIC/article/view/8696/2656
M. Khadapi and V. M. Pakpahan, “Analisis Sentimen Berbasis Jaringan LSTM dan BERT terhadap Diskusi,” vol. 6, pp. 130–137, 2024.
J. Devlin, M.-W. Chang, K. Lee, K. T. Google, and A. I. Language, “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding,” Naacl-Hlt 2019, no. Mlm, pp. 4171–4186, 2019, [Online]. Available: https://aclanthology.org/N19-1423.pdf
H. Hidayatullah et al., “PENERAPAN NAÏVE BAYES DENGAN OPTIMASI INFORMATION GAIN DAN SMOTE UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI CHATGPT,” vol. 7, no. 3, 2023.
Febriansyah, Efan, and S. Arinda Purnama, “Implementasi Algoritma K-Means Untuk Klasterisasi Besarnya Penggunaan Listrik Rumah Tangga Di Pagar Alam,” J. Sist. Inf. TGD, vol. 4, pp. 437–445, 2025.
D. R. P. Jaya and S. Lestari, “Analisis Sentimen Naturalisasi Tim Nasional Indonesia U-23 di Era Shin Tae-yong Menggunakan Algoritma Naïve Bayes,” vol. 5, no. 3, pp. 3262–3277, 2024
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)

This work is licensed under a Creative Commons Attribution 4.0 International License.