EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

ANALISIS SENTIMEN ULASAN HOTEL TRIPADVISOR MENGGUNAKAN TF-IDF DAN MACHINE LEARNING: PERBANDINGAN KINERJA SUPPORT VECTOR MACHINE DAN LOGISTIC REGRESSION

Muhammad Fadli, Yunita Fitri Yanti, Tina Nurzachra Latifah Rizki Liana, Rifka Simbolon, Ratu Sinar Sari Tanjung, Hadori Rosadi, Budi Rahman

Rabit : Jurnal Teknologi dan Sistem Informasi Univrab · 10.07.2026 · 11 (2) · 4006-4015

DOI: 10.36341/rabit.v11i2.8261 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, online erschienen am 10.07.2026. Verfasst von Muhammad Fadli und 6 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Ulasan online pada platform seperti TripAdvisor memiliki peran krusial dalam pengambilan keputusan konsumen dan manajemen reputasi hotel. Namun, volume data yang masif dan tidak terstruktur memerlukan metode analisis otomatis yang cepat dan akurat. Penelitian ini bertujuan untuk menganalisis sentimen ulasan hotel TripAdvisor serta membandingkan kinerja algoritma Support Vector Machine (SVM) dan Logistic Regression. Dataset yang digunakan terdiri dari 20.491 ulasan yang diklasifikasikan ke dalam tiga kelas sentimen: positif, negatif, dan netral. Ekstraksi fitur dilakukan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Untuk menangani masalah ketidakseimbangan kelas (class imbalance) dan memastikan evaluasi yang robust, model dievaluasi menggunakan Stratified 10 Fold Cross Validation. Hasil penelitian menunjukkan bahwa Logistic Regression mengungguli Support Vector Machine (SVM) dengan mencapai akurasi rata-rata 81,46% dan F1-Score 83,02%, dibandingkan Support Vector Machine (SVM) yang memperoleh akurasi 80,41% dan F1-Score 82,20%. Kedua model menunjukkan performa yang sangat baik pada kelas positif, namun mengalami tantangan pada kelas netral akibat ambiguitas semantik dan dominasi data kelas positif. Kesimpulannya, Logistic Regression terbukti menjadi model yang lebih optimal, stabil, dan efisien untuk klasifikasi sentimen pada data yang tidak seimbang, sehingga berpotensi diimplementasikan untuk membantu manajemen hotel dalam memantau umpan balik pelanggan secara real time.

Zitieren

APA

Fadli, M., Yanti, Y. F., Liana, T. N. L. R., Simbolon, R., Tanjung, R. S. S., Rosadi, H., & Rahman, B. (2026). ANALISIS SENTIMEN ULASAN HOTEL TRIPADVISOR MENGGUNAKAN TF-IDF DAN MACHINE LEARNING: PERBANDINGAN KINERJA SUPPORT VECTOR MACHINE DAN LOGISTIC REGRESSION. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, 11(2), 4006-4015. https://doi.org/10.36341/rabit.v11i2.8261

Vancouver

Fadli M, Yanti YF, Liana TNLR, Simbolon R, Tanjung RSS, Rosadi H, et al. ANALISIS SENTIMEN ULASAN HOTEL TRIPADVISOR MENGGUNAKAN TF-IDF DAN MACHINE LEARNING: PERBANDINGAN KINERJA SUPPORT VECTOR MACHINE DAN LOGISTIC REGRESSION. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab. 2026;11(2):4006-4015. doi:10.36341/rabit.v11i2.8261

BibTeX
@article{Fadli2026,
  author = {Fadli, Muhammad and Yanti, Yunita Fitri and Liana, Tina Nurzachra Latifah Rizki and Simbolon, Rifka and Tanjung, Ratu Sinar Sari and Rosadi, Hadori and Rahman, Budi},
  title = {ANALISIS SENTIMEN ULASAN HOTEL TRIPADVISOR MENGGUNAKAN TF-IDF DAN MACHINE LEARNING: PERBANDINGAN KINERJA SUPPORT VECTOR MACHINE DAN LOGISTIC REGRESSION},
  journal = {Rabit : Jurnal Teknologi dan Sistem Informasi Univrab},
  year = {2026},
  volume = {11},
  number = {2},
  pages = {4006--4015},
  doi = {10.36341/rabit.v11i2.8261}
}
Kostenlos starten →