Pengamatan Tren Ulasan Hotel Menggunakan Pemodelan Topik Berbasis Latent Dirichlet Allocation
Abstract
Ketepatan dalam mengekstrak dan meringkas ribuan ulasan ke dalam beberapa topik menjadi kunci dalam pelaksanaan pengolahan data dan informasi lebih lanjut. Tidak terkecuali dalam industri perhotelan yang mana suatu ulasan merupakan sebuah aset yang apabila diolah dapat menghasilkan suatu informasi yang nantinya akan digunakan untuk kepentingan ekspansi bisnis dan keberlangsungan usahanya. Penelitian pemodelan topik ulasan hotel ini menggunakan Latent Dirichlet Allocation sebagai sarana untuk peringkasan dokumennya. Latent Dirichlet Allocation terbukti efektif dalam pengolahan peringkasan kata-kata dan banyak penelitian yang menggunakan metode ini. Adapun tujuan dari penelitian yang dilakukan untuk mendapatkan ringkasan kata-kata yang membentuk suatu topik yang mewakili keseluruhan ulasan yang mana dapat menghasilkan suatu data bagi manajemen hotel dalam mempertahankan eksistensinya dalam bisnis tersebut serta melakukan ekspansi dengan mempertimbangkan hasil dari pemodelan topik tersebut. Dari hasil pemodelan topik Latent Dirichlet Allocation yang telah dilakukan terhadap dataset review Tripadvisor dapat disimpulkan bahwa tren ulasan lebih banyak membahas mengenai lokasi, pelayanan, hotel, sarapan, resort dan pantai.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
Y. Kalepalli, S. Tasneem, P. D. P. Teja, and S. Manne, “Effective Comparison of LDA with LSA for Topic Modelling,” Proc. Int. Conf. Intell. Comput. Control Syst. ICICCS 2020, no. Iciccs, pp. 1245–1250, 2020, doi: 10.1109/ICICCS48265.2020.9120888.
S. H. Mohammed and S. Al-Augby, “LSA & LDA topic modeling classification: Comparison study on E-books,” Indones. J. Electr. Eng. Comput. Sci., vol. 19, no. 1, pp. 353–362, 2020, doi: 10.11591/ijeecs.v19.i1.pp353-362.
J. Blad, K. Svensson, J. Blad, and K. Svensson, “Exploring NMF and LDA Topic Models of Swedish News Articles News Articles,” no. December, 2020.
.....
DOI: http://dx.doi.org/10.26798/jiko.v6i2.579
Article Metrics
Abstract view : 905 timesPDF (Bahasa Indonesia) - 296 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 suparyati suparyati, Emma Utami