ANALISIS SENTIMEN KEPUASAN PELAYANAN HOTEL MENGGUNAKAN METODE BIDIRECTIONAL LONG SHORT-TERM MEMORY (BILSTM)

OKTAPIANI, SYFA (2025) ANALISIS SENTIMEN KEPUASAN PELAYANAN HOTEL MENGGUNAKAN METODE BIDIRECTIONAL LONG SHORT-TERM MEMORY (BILSTM). Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text Cover.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (43kB)
	Text Lembar Pengesahan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (345kB)
	Text Lembar Pernyataan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (30kB)
	Text Abstrak.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (81kB)
	Text Bab 1.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (247kB)
	Text Skripsi Full.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text Daftar Pustaka.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (274kB)
	Text Surat Keterangan Hasil Cek Plagiarisme.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (355kB)

Abstract

Proses penilaian ulasan pelanggan hotel yang dilakukan secara manual memiliki keterbatasan dalam hal objektivitas dan efisiensi. Untuk mengatasi hal tersebut, penelitian ini mengusulkan pengembangan sistem klasifikasi sentimen ulasan pelanggan menggunakan metode Bidirectional Long Short-Term Memory (BiLSTM) yang diimplementasikan pada aplikasi berbasis web. Dataset berupa 3.135 ulasan pelanggan Hotel Padma Bandung diperoleh melalui web scraping dari Google Maps. Data diproses melalui tahapan preprocessing mencakup case folding, cleaning, stopword removal, stemming, dan lemmatization. Model BiLSTM dilatih menggunakan tiga skema pembagian data (90:10, 80:20, 70:30), dengan hasil terbaik pada rasio 90:10 yang menghasilkan akurasi tertinggi sebesar 95%. Evaluasi dilakukan menggunakan confusion matrix serta metrik klasifikasi (precision, recall, f1-score). Sistem diimplementasikan menggunakan framework Streamlit dengan fitur input ulasan, analisis sentimen otomatis, penyimpanan hasil klasifikasi, dan visualisasi data pada dashboard interaktif. Validasi sistem melalui kuesioner kepada pengguna menghasilkan skor rata-rata 81,33% dengan nilai akhir 20,33 (kategori Setuju) atau mendekati angka 4,00 pada skala Likert. Hasil ini menunjukkan bahwa sistem yang dikembangkan mampu memberikan klasifikasi sentimen secara akurat, dinilai layak, serta bermanfaat untuk mendukung manajemen hotel dalam memahami tingkat kepuasan pelanggan dan memantau reputasi secara real-time.

Actions (login required)

View Item