Daftar Isi: Analisis Sentimen Terhadap Ulasan Hotel Menggunakan Boosting Weighted Extreme Learning Machine

Daftar Isi:

Seiring meningkatnya persaingan dalam bisnis perhotelan, setiap hotel berusaha meningkatkan kualitas yang dimiliki untuk meningkatkan keuntungan. Peningkatan kualitas dapat dilakukan dengan memahami ulasan hotel yang dituliskan di internet. Namun beragamnya jenis ulasan membuat pihak hotel kesulitan dalam menganalisis jenis sentimen. Selain itu distribusi jenis sentimen pada ulasan yang ditemukan bersifat tidak seimbang. Maka dari itu dilakukan sentimen analisis untuk memudahkan proses penentuan sentimen yang terkandung pada ulasan. Pada penelitian yang dilakukan, metode yang digunakan adalah Boosting Weighted ELM karena metode ini dapat menangani kelas tidak seimbang. Tahapan penelitian antara lain melakukan pre-processing, term weighting, normalisasi, dan proses klasifikasi. Pengujian dilakukan menggunakan k-fold cross validation dengan nilai k adalah 5. Proses pengujian menggunakan 500 data latih, yang mana data tersebut terbagi menjadi 343 kelas positif dan 157 kelas negatif. Proses pengujian menghasilkan model dengan nilai f-measure tertinggi yaitu 0,953. Nilai optimal setiap parameter yang didapatkan yaitu C = 16, L = 64, dan jumlah weak learner sebanyak 256.