Penerapan Algoritma K-Means Clustering untuk Memprediksi Tingkat Kepuasan Pelanggan Hotel The Zuri Berdasarkan Ulasan Tiktok dan Google Maps
Keywords:
K-Means Clustering, kepuasan pelanggan, TF-IDF, analisis sentimen, ulasan onlineAbstract
Kepuasan pelanggan merupakan indikator kritis dalam keberlanjutan bisnis perhotelan. Namun, sebagian besar penelitian terdahulu menganalisis ulasan pelanggan dari satu platform saja, sehingga menghasilkan gambaran yang tidak komprehensif. Penelitian ini bertujuan mengembangkan model klasterisasi kepuasan pelanggan Hotel The Zuri dengan menggabungkan data ulasan dari dua platform berbeda, yaitu TikTok dan Google Maps. Metode yang digunakan adalah algoritma K-Means Clustering yang dikombinasikan dengan teknik pemrosesan teks TF-IDF untuk representasi fitur tekstual. Data dikumpulkan sebanyak 4.040 ulasan yang diperoleh melalui teknik web scraping pada periode Januari Desember 2024. Proses preprocessing mencakup pembersihan teks, tokenisasi, penghapusan stopword berbahasa Indonesia dan Inggris, serta stemming menggunakan pustaka Sastrawi. Penentuan nilai k optimal dilakukan dengan metode Elbow, Silhouette Score, dan Davies-Bouldin Index, yang menghasilkan k=3 sebagai konfigurasi terbaik (Silhouette Score = 0,651). Tiga cluster yang terbentuk merepresentasikan segmen pelanggan sangat puas (29,8%), cukup puas (39,3%), dan tidak puas (30,9%). Temuan menunjukkan bahwa isu kebersihan dan kecepatan respons staf merupakan atribut paling berpengaruh pada klaster ketidakpuasan. Novelty penelitian ini terletak pada integrasi data lintas platform (TikTok dan Google Maps) yang memperkaya representasi ulasan dibandingkan pendekatan sumber tunggal.
References
[1] S Badan Pusat Statistik, Statistik Hotel dan Akomodasi Lainnya di Indonesia 2023. Jakarta: BPS RI, 2024. [Online]. Available: https://www.bps.go.id
[2] Kementerian Pariwisata dan Ekonomi Kreatif, Laporan Kinerja Sektor Pariwisata Indonesia 2023. Jakarta: Kemenparekraf RI, 2024. [Online]. Available: https://www.kemenparekraf.go.id
[3] Asosiasi Penyelenggara Jasa Internet Indonesia (APJII), Survei Profil Internet Indonesia 2025. Jakarta: APJII, 2025. [Online]. Available: https://survei.apjii.or.id
[4] V. W. D. Thomas dan F. Rumaisa, "Analisis Sentimen Ulasan Hotel Bahasa Indonesia Menggunakan Support Vector Machine dan TF-IDF," Jurnal Media Informatika Budidarma, vol. 6, no. 3, hlm. 1767-1775, 2022. doi: 10.30865/mib.v6i3.4218
[5] D. Ariyus, D. Manongga, dan I. Sembiring, "Enhancing Sentiment Analysis of Indonesian Tourism Video Content Commentary on TikTok: A FastText and Bi-LSTM Approach," Engineering, Technology & Applied Science Research, vol. 14, no. 6, hlm. 18020-18028, 2024. doi: 10.48084/etasr.8859
[6] A. D. Yustita, A. Purwaningtyas, dan E. A. Ermawati, "Evaluasi Kualitas Pelayanan Hotel Terhadap Kepuasan Tamu Menggunakan Importance Performance Analysis (IPA)," Jurnal Manajemen Perhotelan dan Pariwisata, vol. 6, no. 1, hlm. 33-41, 2023. doi: 10.23887/jmpp.v6i1
[7] J. T. Purba, J. Juliana, S. Budiono, A. Purwanto, R. Pramono, dan A. Djakasaputra, "The relationship between hotel service quality and customer satisfaction: an empirical study of spa hotels in Indonesia," International Journal of Entrepreneurship, vol. 26, no. 1, hlm. 1-11, 2022.
[8] Y. Sudirman dan D. S. Simatupang, "Analisis Sentimen Berbasis Aspek pada Ulasan Hotel XYZ di Kota Tangerang dengan Algoritma SVM," STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer, vol. 4, no. 4, hlm. 370-377, 2025. doi: 10.55123/storage.v4i4
[9] N. A. Maori dan E. Evanita, "Metode Elbow dalam Optimasi Jumlah Cluster pada K-Means Clustering," Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 14, no. 2, hlm. 277-288, 2023. doi: 10.24176/simet.v14i2.9630
[10] Y. Hasan, "Pengukuran Silhouette Score dan Davies-Bouldin Index pada Hasil Cluster K-Means dan DBSCAN," KAKIFIKOM, vol. 6, no. 1, hlm. 60-74, 2024. doi: 10.54367/KAKIFIKOM.V6I1.3938
[11] I. F. Ashari, E. D. Nugroho, R. Baraku, I. N. Yanda, dan R. Liwardana, "Analysis of Elbow, Silhouette, Davies-Bouldin, Calinski-Harabasz, and Rand-Index Evaluation on K-Means Algorithm for Classifying Flood-Affected Areas in Jakarta," Jurnal RESTI, vol. 7, no. 1, hlm. 89-97, 2023. doi: 10.29207/resti.v7i1.4494
[12] M. A. Rosid, A. S. Fitrani, I. R. I. Astutik, N. I. Mulloh, dan H. A. Gozali, "Improving Text Preprocessing for Student Complaint Document Classification Using Sastrawi," IOP Conference Series: Materials Science and Engineering, vol. 874, no. 1, hlm. 012017, 2020. doi: 10.1088/1757-899X/874/1/012017
[13] Y. I. Kurniawan, P. R. Anugrah, R. M. Sugihono, F. A. Abimanyu, dan L. Afuan, "Enhancing K-Means Clustering for Journal Articles using TF-IDF and LDA Feature Extraction," Brilliance: Research of Artificial Intelligence, vol. 5, no. 1, 2025. doi: 10.47709/brilliance.v5i1.5547
[14] R. Gunawan dan H. Hendry, "Analisis Sentimen Ulasan Tamu terhadap Layanan Hotel Menggunakan Pendekatan Machine Learning," IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi, vol. 4, no. 3, hlm. 295-306, 2025. doi: 10.24246/itexplore.v4i3.2025.pp295-306
