Analisis Sentimen Wisatawan terhadap Kualitas Layanan Hotel dan Resort di Lombok Menggunakan SERVQUAL dan CRISP-DM

Abstract

The era of digital transformation has sparked innovations in product and service marketing strategies in various sectors, one of which is the tourism sector. In the hospitality industry context, product marketing using website-based digital media allows consumers as hotel guests to review the products and services received. The Tripadvisor website is a digital marketing platform that provides review features for app users, especially consumers, to give ratings and reviews. This study aims to analyze the quality of hotel services using the Service Quality (SERVQUAL) framework based on the results of the classification of hotel guest sentiment data using the Naïve Bayes Classifier (NBC) and Support Vector Machine (SVM) algorithm by the stages of the Cross-Industry Standard Process for Data Mining (CRISP-DM). The CRISP-DM framework consists of six stages, namely: business understanding stage, data understanding stage, data preparation stage, modeling stage, evaluation stage, and deployment stage. The SERVQUAL framework consists of several dimensions: reliability dimension; responsiveness; assurance; empathy; tangibles. The review data that will be processed is the consumer review data of The Oberoi Beach Resort Lombok; Sheraton Senggigi Beach Resort; Sudamala Resort Sengiggi; Holiday Resort Lombok; Aston Sunset Beach Resort. The results of this study show that the SVM algorithm performs better than NBC, where the accuracy value is 98.57%, the precision value is 100%, the recall value is 97.14%, and the f-measure value is 98.54%. The AUC value is 100%, and the t-Test value is 98.6%. Unlike the case with the results of SVM's algorithm performance evaluation without using the SMOTE Upgrading Operator, where the accuracy value is 95.71%, the precision value is 95.71%, the recall value is 100%, and the f-measure value is 97.81%. In addition, the AUC value is 91.1%, and the t-Test value is 95.7%.

Analisis Sentimen Konsumen terhadap Food, Services, and Value di Restoran dan Rumah Makan Populer Kota Makassar Berdasarkan Rekomendasi Tripadvisor Menggunakan Metode CRISP-DM dan SERVQUAL

“…Adapun, metode Cross-Industry Standard Process for Data Mining (CRISP-DM) digunakan untuk memahami proses bisnis wisata kuliner (business understanding), memahami data yang akan diproses (data understanding), menyiapkan data (data preparation), membuat pemodelan (modeling), mengevaluasi hasil pemodelan (evaluation), dan menerapkan hasil pemodelan (deployment). Singgalen, menunjukkan bahwa analisis sentimen wisatawan terhadap produk dan layanan di destinasi, hotel, maupun restaurant sangat penting dilakukan untuk menghasilkan sejumlah rekomendasi bagi pihak pengelola agar dapat meningkatkan kualitas produk dan layanan sehingga mampu memenuhi ekspektasi wisatawan [8]- [12]. Dalam konteks wisata kuliner di Makassar, pendekatan CRISP-DM dapat dielaborasi dengan metode SERVQUAL di tahap evaluasi untuk meninjau persepsi konsumen terhadap kinerja penyedia jasa makanan dan minuman.…”

“…Adapun, Fauzi et al menekankan bahwa pendekatan big data melalui kajian analisis sentimen konsumen produk dan layanan Usaha Mikro Kecil dan Menengah (UMKM) diperlukan untuk mengidentifikasi faktor-faktor yang menghambat perkembangan UMKM khususnya di sektor bisnis kuliner [42]. Hal ini menunjukkan bahwa analisis sentimen di bidang pariwisata perlu dikaji secara komprehensif berdasarkan konteks baik destinasi, hotel, rumah makan maupun restaurant, sehingga dapat diketahui persepsi konsumen terhadap kualitas produk dan layanan [8], [9], faktor-faktor yang memengaruhi kepuasan wisatawan [10], [43], serta faktor-faktor yang menghambat pertumbuhan bisnis di bidang pariwisata [11], [12] sehingga dapat diberikan rekomendasi yang sesuai.…”

Penerapan Naïve Bayes Dengan Optimasi Information Gain Dan Smote Untuk Analisis Sentimen Pengguna Aplikasi Chatgpt

“…Mining (CRISP-DM) Menurut Wirth & Hipp [21], CRISP-DM adalah sebuah metodologi pemodelan yang memberikan kerangka kerja untuk data mining yang dapat diterapkan dalam sektor industri dan teknologi. Singgalen [22] menyebutkan bahwa pendekatan CRISP-DM dapat digunakan untuk mengidentifikasi, memproses, dan mengevaluasi ulasan yang menggambarkan perasaan konsumen terhadap layanan atau komoditas tertentu, dengan menggunakan model yang sesuai dengan karakteristik bisnis yang relevan. Tahapan-tahapan yang dilakukan dalam pendekatan CRISP-DM, seperti yang dijelaskan oleh Wirth & Hipp [21] dapat dilihat pada Gambar 1.…”

Pelatihan Sains Data Bagi Pelaku UMKM di Kota Tasikmalaya Menggunakan Google Colab

“…Dalam konteks bisnis, sains data dapat membantu perusahaan dalam mengoptimalkan strategi bisnis mereka (Singgalen, 2023), meningkatkan kinerja operasional, memperbaiki pengambilan keputusan, dan mengidentifikasi peluang baru. Oleh karena itu, sains data semakin menjadi salah satu kompetensi kunci bagi organisasi dan profesional di berbagai sektor.…”