Analisis Sentimen Berbasis Aspek pada Ulasan Hotel Menggunakan Metode BERT Untuk Rekomendasi Layanan

Authors

  • Muhammad Tamim Shidqi Universitas Multi Data Palembang, Sumatera Selatan, Indonesia
  • Yulistia Yulistia Universitas Multi Data Palembang, Sumatera Selatan, Indonesia

DOI:

https://doi.org/10.38035/jemsi.v7i3.7472

Keywords:

Analisis Sentimen, Berbasis Aspek, BERT, Evaluasi Model, Rekomendasi Layanan

Abstract

Industri perhotelan menghadapi tantangan besar dalam mengelola reputasi di berbagai platform Online Travel Agent (OTA). Objek penelitian ini menghadapi kendala dalam menganalisis ribuan ulasan tamu yang terus bertambah secara manual. Proses tersebut dinilai tidak efisien dan rentan terhadap subjektivitas. Penelitian ini bertujuan melakukan analisis sentimen otomatis berbasis aspek menggunakan metode Deep Learning. Penulis menerapkan algoritma BERT (Bidirectional Encoder Representations from Transformers) dengan model pre-trained xlm-roberta-base-sentiment. Hasil evaluasi menunjukkan model mencapai akurasi 57% dengan nilai Recall sentimen negatif sebesar 76%. Nilai ini mengindikasikan bahwa model memiliki sensitivitas tinggi dalam mendeteksi keluhan tamu. Analisis aspek mengungkapkan bahwa "Kamar Mandi" dan "Fasilitas" mendapat sentimen negatif tertinggi. Analisis akar masalah menemukan kata kunci "bau", "kotor", dan "panas" sebagai pemicu utama keluhan. Temuan ini menjadi dasar rekomendasi strategis bagi manajemen untuk perbaikan operasional.

References

Aji Riyantoko, P., Maulana Fahrudin, T., Arman Prasetya, D., & Dari Timur, T. (2022). Analisis Sentimen Sederhana Menggunakan Algoritma LSTM dan BERT untuk Klasifikasi Data Spam dan Non-Spam.

Alfarobby, A. N., & Irawan, H. (2024). Analisis Sentimen Kepuasan Konsumen Pengguna Transportasi Online Pada Ulasan Google Playstore Menggunakan Indobert Dan Topic Modeling (Studi kasus: Gojek dan Grab) (Vol. 11, Nomor 1).

Amna, S, W., Gede Iwan Sudipa, I., Andi Putra, T. E., Jurnaidi Wahidin, A., Alfa Syukrilla, W., Khrisna Wardhani, A., Heryana, N., Indriyani, T., Willyanto Santoso Tutuk Indriyani, L., & Willyanto Santoso, L. (2023). DATA MINING. www.globaleksekutifteknologi.co.id

Ariansyah, F. (2024). PENERAPAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) PADA ANALISIS SENTIMEN VAKSIN BOOSTER COVID-19.

Astriningsih, W. (2023). Identifikasi Multi Aspek dan Sentimen Analisis pada Review Hotel Menggunakan Deep learning.

Bayu Baskoro, B., Susanto, I., Khomsah, S., Informatika, P., Sains Data, P., Teknologi Telkom Purwokerto Jl Panjaitan, I. DI, & Tengah, J. (2021). Analisis Sentimen Pelanggan Hotel di Purwokerto Menggunakan Metode Random Forest dan TF-IDF (Studi Kasus: Ulasan Pelanggan Pada Situs TRIPADVISOR). 3(2), 21–029. https://doi.org/10.20895/INISTA.V3I2

Danuwangsa, R., Ayu, G., Suwintari, E., & Suadnyana, W. (2025). The Influence of Online Reviews, Prices, and Locations on Guest Interests to Stay. Jurnal Pariwisata dan Bisnis), 04(1), 1953–1960. https://doi.org/10.22334/paris.v4i1

Dwicahyo, K., & Indah Ratnasari, C. (2023). Perbandingan Metode Web Scraping Dalam Pengambilan Data: Kajian Literatur.

Ilham, F., & Maharani, W. (2022). Analyze Detection Depression In Social Media Twitter Using Bidirectional Encoder Representations from Transformers. Journal of Information System Research (JOSH), 3(4), 476–482. https://doi.org/10.47065/josh.v3i4.1885

Nurfitri, W., & Chowanda, A. (2024). Analisis Sentimen Pada Kasus Positif Covid-19 Berdasarkan Pemberitaan Media Di Indonesia Menggunakan Indobert.

Prasetyo, B., Ahmad Yusuf Al-Majid, & Suharjito. (2024). A Comparative Analysis of MultinomialNB, SVM, and BERT on Garuda Indonesia Twitter Sentiment. PIKSEL: Penelitian Ilmu Komputer Sistem Embedded and Logic, 12(2), 445–454. https://doi.org/10.33558/piksel.v12i2.9966

Rachmadana Ismail, A., Bagus, R., Hakim, F., & Artikel, R. (2023). Implementasi Lexicon Based Untuk Analisis Sentimen Dalam Mengetahui Trend Wisata Pantai Di DI Yogyakarta Berdasarkan Data Twitter P-ISSN E-ISSN. Dalam Emerging Statistics and Data Science Journal (Vol. 1, Nomor 1).

Rahman Salam, R., Fajri Jamil, M., Ibrahim, Y., Rahmaddeni, Soni, & Herianto. (2023). MALCOM: Indonesian Journal of Machine Learning and Computer Science Sentiment Analysis of Cash Direct Assistance Distribution for Fuel Oil Using Support Vector Machine Analisis Sentimen Terhadap Bantuan Langsung Tunai (BLT) Bahan Bakar Minyak (BBM) Menggunakan Support Vector Machine. 3, 27–35.

Ratu Bilqis, L. D., Taviprawati, E., & Ciu, P. Y. (2024). Pengaruh Kualitas Pelayanan dan Electronic Word of Mouth Terhadap Keputusan Pembelian di Hotel Ra Suite Simatupang. Jurnal Ilmiah Pariwisata, 29(3), 264. https://doi.org/10.30647/jip.v29i3.1828

Ravichandiran, Sudharsan. (2021). Getting started with Google BERT: build and train state-of-the-art natural language processing models using BERT. Packt Publishing Ltd.

Rizal Chandra Rivaldi, & T.D. Wismarini. (2024). Analisis Sentimen Pada Ulasan Produk Dengan Metode Natural Language Processing (NLP). Elkom: Jurnal Elektronika dan Komputer, 17(1), 120–128. https://doi.org/10.51903/elkom.v17i1.1680

Singgalen, Y. A. (2025). Performance Analysis of IndoBERT for Sentiment Classification in Indonesian Hotel Review Data. Journal of Information System Research, 6(2), 976–986. https://doi.org/10.47065/josh.v6i2.6505

T Angel, A. C., & Pranatawijaya, V. H. (2024). Analisis Sentimen dan Emosi dari Ulasan Google Maps untuk Layanan Rumah Sakit di Palangka Raya Menggunakan Machine Learning (Vol. 4, Nomor 1).

Wafda, A. (2025). Aspect-Based Sentiment Analysis terhadap Cuitan Platform X tentang Kurikulum Merdeka Menggunakan IndoBERT.

Yunitasari Yessi. (2023). Teori Dan Implementasi Analisis Sentimen Menggunakan Python.

Downloads

Published

2026-02-19

How to Cite

Shidqi, M. T., & Yulistia, Y. (2026). Analisis Sentimen Berbasis Aspek pada Ulasan Hotel Menggunakan Metode BERT Untuk Rekomendasi Layanan. Jurnal Ekonomi Manajemen Sistem Informasi, 7(3), 2844–2854. https://doi.org/10.38035/jemsi.v7i3.7472

Issue

Vol. 7 No. 3 (2026): Jurnal Ekonomi Manajemen Sistem Informasi (Januari - Februari 2026)

Section

Articles

License

Copyright (c) 2026 Muhammad Tamim Shidqi, Yulistia Yulistia

Creative Commons License

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

Hak cipta :

Penulis yang mempublikasikan manuskripnya di jurnal ini menyetujui ketentuan berikut:

  1. Hak cipta pada setiap artikel adalah milik penulis.
  2. Penulis mengakui bahwa Jurnal Ekonomi Manajemen Sistem Informasi (JEMSI) berhak menjadi yang pertama menerbitkan dengan lisensi Creative Commons Attribution 4.0 International (Attribution 4.0 International CC BY 4.0) .
  3. Penulis dapat mengirimkan artikel secara terpisah, mengatur distribusi non-eksklusif manuskrip yang telah diterbitkan dalam jurnal ini ke versi lain (misalnya, dikirim ke repositori institusi penulis, publikasi ke dalam buku, dll.), dengan mengakui bahwa manuskrip telah diterbitkan pertama kali di Jurnal Ekonomi Manajemen Sistem Informasi (JEMSI).