Analisis Data Review Hotel di Google Maps Melalui Text Mining (Studi Kasus : Kabupanten Bandung)

Jorgha Akram Aryadi, Yahya Aliman Aidil Basith, Munawir Munawir, Devi Aprianti Rimadhani Agustini

Abstract


Penelitian ini bertujuan untuk menganalisis data review hotel di Google Maps melalui text mining di Kabupaten Bandung. Metode text mining digunakan untuk menggali informasi yang terkandung dalam teks ulasan pengguna hotel. Data review hotel diambil dari platform Google Maps dan diolah menggunakan metode Latent Dirichlet Allocation (LDA). Hasil analisis menunjukkan adanya bobot setiap kata dalam ulasan pengguna terkait hotel di Kabupaten Bandung. Temuan ini memberikan wawasan tentang kebersihan, fasilitas, pelayanan, dan pengalaman pengguna yang dapat digunakan sebagai bahan evaluasi dan pengembangan hotel di daerah tersebut. Hasil penelitian didapatkan faktor daya tarik yang paling dominan ialah Kualitas dan Pelayanan (37.60%), kemudian Fasilitas dan Lingkungan (34.54%), dilanjut dengan Aktivitas dan Hiburan (27.85%). Setelah analis LDA, data tersebut diperkuat dengan Analysis of Variance (ANOVA) One Way. Hasil yang diperoleh dari ANOVA adalah p-value bernilai 0.48578981747778355. Dalam kasus ini, p-value (0.48578981747778355) lebih besar dari tingkat signifikansi yang umumnya digunakan (0.05), yang menunjukkan bahwa tidak ada perbedaan signifikan antara kelompok fasilitas dan lingkungan, aktivitas dan hiburan, serta kualitas dan pelayanan pada hotel-hotel yang dianalisis.

Keywords


Google Maps; Hotel; Kabupaten Bandung; LDA; Review

References


E. Kim, M. Q. Ding, X. Wang, dan S. Lu, “Does Topic Consistency Matter? A Study of Critic and User Reviews in the Movie Indus-try,” J Mark, no. September 2023, doi: 10.1177/00222429221127927.

K. A. Fachrudin, D. L. Tarigan, dan M. F. Iman, “Analisis Rating dan Harga Kamar Hotel Bintang Lima di Indonesia,” Jurnal Akuntansi, Keuangan, dan Manajemen, vol. 3, no. 3, hlm. 237–252, 2022, doi: 10.35912/jakman.v3i3.1107.

G. Roy, “Travelers’ online review on hotel performance – Analyzing facts with the Theory of Lodging and sentiment analysis,” Int J Hosp Manag, vol. 111, hlm. 103459, Mei 2023, doi: 10.1016/J.IJHM.2023.103459.

Y. J. Kim dan H. S. Kim, “The Impact of Hotel Customer Experience on Customer Satisfaction through Online Reviews,” Sustainabil-ity (Switzerland), vol. 14, no. 2, hlm. 1–13, 2022, doi: 10.3390/su14020848.

D. Gelen, J. Cardenas, D. M. Gurung, D. Han, H. Ban, dan H. Kim, “The Text Mining from Online Customer Reviews : Implications for Luxury Hotel in Busan,” Culinary Science & Hospitality Research, vol. 28, no. 2, hlm. 67–80, 2022, doi: 10.20878/cshr.2022.28.2.008.

Munawir, L. N. Fujianti, M. D. Koerniawan, dan B. Dewancker, “Text Mining by Social Network Data towards Developing Attractive-ness of Urban Park. Case Study: Thematic Parks in Bandung City, Indonesia,” IOP Conf Ser Earth Environ Sci, vol. 738, no. 1, 2021, doi: 10.1088/1755-1315/738/1/012057.

F. N. Hikmah, S. Basuki, dan Y. Azhar, “Deteksi Topik Tentang Tokoh Publik Politik Menggunakan Latent Dirichlet Allocation (LDA),” Jurnal Repositor, vol. 2, no. 4, hlm. 415–426, 2020, doi: 10.22219/repositor.v2i4.52.

R. Ramadandi, N. Yusliani, O. Arsalan, R. Kurniati, dan R. F. Isnanto, “Pemodelan Topik Menggunakan Metode Latent Dirichlet Allo-cation dan GIBBS Sampling,” hlm. 74–79, 2021.

B. A. Tondang, M. R. Fadhil, M. N. Perdana, A. Fauzi, dan U. S. Janitra, “Analisis pemodelan topik ulasan aplikasi BNI , BCA , dan BRI menggunakan latent dirichlet allocation Modeling analysis of BNI , BCA , and BRI application review topics using latent dirichlet allocation,” vol. 4, hlm. 114–127, 2023, doi: 10.37373/infotech.v4i1.601.

V. Shrivastava, “A Methodological study of web crawler,” Journal of Engineering Research and Application, ISSN- 2248-9622, vol. 8, no. 11, 2018.

S. Tahvili, L. Hatvani, E. Ramentol, R. Pimentel, W. Afzal, dan F. Herrera, “A novel methodology to classify test cases using natural language processing and imbalanced learning,” Eng Appl Artif Intell, vol. 95, hlm. 103878, Okt 2020, doi: 10.1016/J.ENGAPPAI.2020.103878.

S. Zhou, P. Kan, Q. Huang, dan J. Silbernagel, “A guided latent Dirichlet allocation approach to investigate real-time latent topics of Twitter data during Hurricane Laura,” J Inf Sci, no. August 2020, hlm. 1–15, 2021, doi: 10.1177/01655515211007724.




DOI: http://dx.doi.org/10.26798/jiko.v7i2.938

Article Metrics

Abstract view : 933 times
PDF (Bahasa Indonesia) - 404 times

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Copyright (c) 2023 Jorgha Akram Aryadi, Yahya Aliman Aidil Basith, Munawir Munawir, Devi Aprianti Rimadhani Agustini

JIKO (Jurnal Informatika dan Komputer)

Published by
Lembaga Penelitian dan Pengabdian Masyarakat
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN : 2477-3964 
p-ISSN : 2477-4413

Creative Commons License

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