Topik mengenai sentiment analisis cukup banyak dibahas oleh para peneliti dan manfaatnya dapat dirasakan langsung oleh platform penyedia data dan para pengguna data tersebut. Salah satu topik yang cukup banyak dibahas adalah topik mengenai ulasan wisatawan. Studi ini membaha tentang analisis topik-topik menarik pada ulasan pelanggan TripAdvisor khususnya pelanggan hotel di Ubud, Bali. TripAdvisor adalah situs wisata terbesar di dunia yang membantu wisatawan dalam merencanakan dan memesan perjalanan wisata mereka selain itu TripAdvisor dapat memberikan rekomendasi tentang hotel, resort, penginapan, liburan, paket perjalanan, pemandu perjalanan. Situs web TripAdvisor merupakan komunitas wisata terbesar di dunia yang menjangkau 350 juta pengunjung setiap bulannya. Situs ini beroperasi di 48 negara di seluruh dunia.
Data yang diambil dari situs TripAdvisor terdiri dari nama, peringkat, judul, dan ulasan hotel. Lima hotel dipilih dalam studi ini karena memiliki dua alasan utama yaitu hotel-hotel tersebut adalah hotel paling terkenal di Ubud sehingga nama hotel tersebut yang paling sering dicari kemudian alasan kedua adalah hotel-hotel populer memiliki lebih banyak ulasan pengguna daripada hotel yang kurang populer. Tinjauan data ulasan dari masing-masing hotel dibatasi hanya dari periode bulan Januari 2016 hingga bulan Juli 2019.
Ulasan pelanggan yang diekstrak dari situs TripAdvisor kemudian diproses menggunakan analisis sentimen dan metode penambangan teks. Studi ini tidak hanya melibatkan bidang ilmu sistem informasi namun juga melibatkan bidang multidisiplin seperti pariwisata dan perhotelan, ilmu komputer dan sistem informasi. Atribut informasi yang mempengaruhi ulasan pelanggan diselidiki dengan mengimplementasikan analisis sentimen dan penambangan teks pada data ulasan pelanggan tentang pengalaman mereka selama tinggal di Ubud, Bali. Analisis sentimen digunakan untuk membagi antara ulasan positif dan negatif dari para pelanggan hotel. Sementara itu, penambangan teks digunakan untuk mengidentifikasi atribut kata kunci. Kata kunci yang penting dihitung berdasarkan jumlah kemunculan dari ulasan negatif dan positif.
Hasil dan Metode
Metode yang digunakan terbagi menjadi tiga tahap. Tahap pertama adalah tahap pra-pemrosesan data. Tahap ini bertujuan untuk menentukan kategori analisis sentiment yaitu sentimen positif dan negatif. Selain itu tahap ini menghapus data ulasan yang tidak lengkap sehingga setelah dilakukan pra-pemrosesan data ulasan tersisa 972 ulasan. Algoritma klasifikasi yang digunakan pada studi ini adalah algoritma klasifikasi Decision Tree dan Naïve Bayes. Kumpulan ulasan pelanggan diklasifikasikan berdasarkan label. Proses pelabelan dataset ulasan telah dilakukan pada tahap pra-pemrosesan data. Dari hasil ini, akan ada saran di antara dua algoritma tersebut. Algoritma mana yang memiliki akurasi paling tinggi untuk data ulasan pelanggan hotel. Hasil klasifikasi analisis sentiment menunjukkan bahwa akurasi tertinggi diperoleh oleh algoritma Decision Tree sebesar 91.77% sedangkan Algoritma Naïve Bayes memperoleh nilai akurasi sebanyak 71.4% saja.
Simpulan yang bisa diambil dari studi ini yaitu dengan menggunakan metode analisis sentimen serta penambangan teks maka diperoleh hasil analisis dan visualisasi ulasan pengguna yang lebih rinci daripada yang ditampilkan oleh situs TripAdvisor. Studi ini menggunakan data peringkat, sentimen, dan jenis wisatawan di hotel yang berbeda tetapi di daerah yang sama. Ini menunjukkan bahwa peringkat ulasan hotel bukan satu-satunya sumber data yang memadai untuk menemukan nilai asli peringkat ulasan hotel. Kontribusi utama dari penelitian ini adalah bagaimana proses kerja terintegrasi untuk mengumpulkan dan memproses data, mengekstraksi dan mengklasifikasikan informasi kemudian dilengkapi dengan visualisasi data TripAdvisor. Analisis visual disajikan dengan menggunakan wordcloud.
Penulis: Nasa Zata Dina, S.Kom., M.Kom., M.Sc
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://www.ajhtl.com/uploads/7/1/6/3/7163688/article_12_vol_9_2__2020_indonesia.pdf
Nasa Zata Dina (2020). Tourist sentiment analysis on TripAdvisor using text mining: A case study using hotels in Ubud, Bali. African Journal of Hospitality, Tourism and Leisure, 9(2): 1-10
