Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 Penerapan Analisis Sentimen Guna Meningkatkan Kualitas Pelayananan di Favehotel Solo Baru Ardiansyahdiyan Anggoro Putro1.
Rajnaparamitha Kusumastuti2 Informatika.
STMIK Amikom Surakarta.
Kartasura.
Indonesia Korespondensi email: dionardiansyah1221@gmail.
com, rajna@dosen.
Abstrak Informasi Artikel Diterima: 20 Februari 2025 This analysis aims to provide convenience Direvisi: 13 Maret 2025 for hotel management in evaluating the Dipublikasikan: 27 Maret 2025 quality and service at Favehotel Solo Baru so that the hotel gets good responses from the public regarding its quality.
The application of sentiment analysis is used as a tool in evaluating quality and service in the hospitality industry.
This analysis uses data on customer reviews at Favehotel Solo Baru and uses sentiment analysis techniques to analyze the review text.
The use of this sentiment analysis is used for analysis with the Naive Bayes method.
Sentiment analysis is also used to produce Heat Map.
Word Cloud, and distribution visualizations on Orange Data Mining.
The data used in this analysis consists of 270 reviews of visitors who have made reservations at the hotel.
The data was taken using web scraping techniques on Google Maps.
The scraping method used in collecting the data uses an extension from Google Chrome, namely Instant Data Scraper.
The review scraping data was taken from 2017 to 2025.
The results of this analysis show that sentiment towards visitor reviews is very good with 83.
79% of people giving positive reviews and 74.
of people giving a rating of 5.
Pendahuluan Bisnis perhotelan di Indonesia sudah semakin pesat dalam perkembangan kualitas pelayanannya.
Perkembangan ini didorong oleh keluhan dari orangorang yang telah melakukan reservasi Keywords Kualitas pelayanan.
Sentimen Analisis.
Favehotel Solo Baru.
Web Scraping di hotel.
Hotel merupakan organisasi di bidang jasa dan memiliki fokus kegiatan untuk melayani tamu hotel melalui pelayanan yang berkualitas .
Pelayanan yang baik akan membuat orang-orang tertarik akan reservasi di hotel tersebut.
Hotel-hotel Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 pada saat ini menawarkan banyak Konsep kepuasan pelanggan digunakan untuk menarik konsumen dan perusahaan melakukan kualitas pelayanan terbaik agar menjaga kepercayaan pelanggan .
Pendekatan yang efektif dalam mencapai tujuan dari analisis ini sentimen yang dapat mengidentifikasi ulasan negatif dan positif dari Analisis ini menggunakan objek di Favehotel Solo Baru yang berada di tengah pusat perekonomian di Sukoharjo.
Analisis sentimen digunakan untuk mengkategorikan item menjadi dua jenis yaitu sentimen positif dan sentimen negatif.
Sistem ini yang mengotomatiskan proses analisis Bahasa Indonesia sentimen .
Studi ini cukup populer menentukan bagaimana konsumen bereaksi terhadap suatu hal .
Dalam penggunaan sentimen analisis ini digunakan sekumpulan data ulasan pengunjung yang telah melakukan reservasi di Favehotel Solo Baru untuk Pengumpulan data yang dilakukan menggunakan teknik web scraping.
Metode web scraping dilakukan untuk mengambil dan mengumpulkan data dari aplikasi untuk mengekstrak data dari situs website dan digunakan untuk menganalisis data.
Program ini dapat menjelajahi browser internet dengan mengoperasikan browser yang lengkap .
Pengumpulan data dengan cara web scraper ini dapat dilakukan dengan Dalam pengolahan data ini mengumpulkan informasi dari situs, dimana informasi tersebut disimpan ke catatan atau ke database dalam format tabel .
Proses pengambilan data dilakukan dengan penggunaan metode Metode scraper merupakan teknik mengekstraksi informasi di web dan mengambil data tersebut dalam bentuk csv atau xlszx .
Pengumpulan data ulasan dilakukan pada website google maps pengunjung pada Favehotel Solo Baru.
Proses analisis ini menggunakan Orange Data Mining.
Orange Data Mining memungkinkan pengguna merancang proses analisis data dengan mengatur komponen grafis .
Salah satu fitur utama program ini adalah kemampuan untuk membandingkan algoritma alternatif menggunakan berbagai kriteria selama fase evaluasi kinerja .
Orange Data Mining menyediakan berbagai modul yang dapat digunakan secara mudah dan Sebagai langkah lanjutan analisis data menggunakan metode Naive Bayes.
Naive Bayes pengklasifikasian probabilistik yang kombinasi nilai yang diberikan .
Metode ini memiliki keunggulan dalam mengklasifikasikan teks dengan hasil akurasi yang memadai.
Melalui pendahuluan ini, penelitian ini akan mengeksplorasi mengenai analisis sentimen dalam bisnis perhotelan di Favehotel Solo Baru, metode yang digunakan, serta hasil analisis ini terhadap strategi pelayanan Favehotel Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 Solo Baru dengan melihat dari II.
Metodologi berbagai ulasan dari pelanggan melalui sejumlah data.
Dalam analisis ini Penelitian membantu manajemen hotel dalam menganalisis Favehotel Solo Baru.
mengambil tindakan yang strategis Penjelasan pelayanan dan membuat kepuasan langkah penelitian ini digambarkan dalam bentuk alur .
pada Gambar 1.
Alur Flowchart Adapun metode yang digunakan sebagai Pendekatan Penelitian Penelitian pendekatan secara kualitatif, dimana dalam data tersebut berbentuk ulasan-ulasan dari pengunjung yang telah melakukan reservasi di hotel Sumber Data Data yang digunakan pada penelitian ini adalah ulasan pengunjung yang telah melakukan reservasi di Favehotel Solo Baru dari tahun 2017 sampai 2025 yang diambil dari Google Maps.
Teknik Pengumpulan Data Analisis ini menggunakan teknik web Teknik web scraping mendapatkan suatu data atau informasi dari website tertentu .
Proses ini melibatkan penggunaan alat untuk meng script atau mengambil data informasi secara otomatis dari web.
Pengumpulan data untuk metode analisis sentimen ini menggunakan google chrome dengan Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 mencari data di google map.
Di .
Melakukan scraping data review google maps memilih objek objek yang telah di scroll dengan Favehotel Solo Baru.
Untuk menggunakan Instant Data Scraper, mendapatkan sebuah data tentang jika data yang akan dianalisis kurang kualitas pelayanan tersebut dilakukan maka scroll lagi review di google pengambilan data review atau ulasan map dan setelah itu melakukan Favehotel Solo Baru dari google scraper lagi dengan Instant Data Pengambilan data tersebut Scraper.
Proses scraping data di menggunakan scraping dengan google maps dapat dilihat pada extension dari google chrome yaitu gambar 3 sebagai berikut.
Instant Data Scraper.
Gambar Favehotel Solo Baru pada Google Maps dapat dilihat pada gambar 2 sebagai berikut.
Gambar 3.
Scraping Data Gambar 2.
Favehotel di Google Maps Tahapan scraping data:
Download data yang sudah di scraping dengan Instant Data Scraper dengan format XLSX.
Data yang dihasilkan dari scraping sebanyak 270 data dengan jumlah variabelnya sebanyak 24.
Gambar data hasil scraping dapat dilihat pada gambar 4 sebagai .
Menginstall AuInstant Data ScraperAy di extensions Google Chrome.
Instant Data Scraper merupakan alat untuk mengekstraksi sejumlah data di halaman web secara otomatis dengan mengekstrak data tersebut ke dalam bentuk excel atau XLSX.
Membuka Google Maps dan AuFavehotel Solo baruAy.
Di objek tersebut yang harus dilakukan yaitu melakukan scrolling review atau ulasan di objek Favehotel Solo Baru.
Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 Gambar 4.
Data Hasil Scraping Pra Proses Data Data atau data set yang sudah di download melalui Instant Data Scraper selanjutnya data tersebut dianalisis dan diproses kembali.
Pemrosesan data dilakukan dengan menggunakan kombinasi antara software excel dan google collabs agar dalam pemrosesan dapat dilakukan dengan lebih mudah.
Dalam pemrosesan data di excel, data mentah diolah yaitu mengenai penghapusan, mengubah tipe data, dan mengubah nama atribut.
Dalam data mentah sering ditemukan data yang mempunyai kerusakan atau tidak dipakai sehingga diperlukan penghapusan agar berkualitas.
Fungsi pra proses data yang .
Menyempurnakan data agar lebih mudah untuk dianalisis.
Membersihkan data yang tidak .
Memberikan data yang efektif dan berkualitas.
Adapun pemrosesan data yang .
Membersihkan data di excel:
membersihkan data-data yang tidak digunakan.
Dalam proses ini hanya menyisihkan data yang digunakan untuk proses Data yang digunakan diantaranya data customer, rating, waktu review, dan .
Mengubah tipe data di excel:
pre-proses berkaitan dengan pengubahan format data yaitu mengubah format tanggal review.
Proses menganalisis waktu review customer atau pengunjung.
Mengubah nama atribut di excel: dalam dataset dari hasil Penggantian nama dalam menganalisis sebuah Hasil pra proses data di excel dapat dilihat pada gambar 5 sebagai berikut.
Gambar 5.
Hasil Pra Proses di Excel .
Menambah kolom sentimen pada data yang telah diolah dengan excel.
Pengolahan ini Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 menggunakan analisis vader dan menggunakan kata kunci dari daftar kata positif dan Proses ini dilakukan menggunakan google collabs.
Gambar 6.
Analisis Sentimen Vader Pada gambar 6 berisikan code dalam proses menginisialisasi SentimentIntensityAnalyzer untuk menganalisa sentimen Fungsi tersebut digunakan untuk menentukan sentimen dengan menggunakan vader.
Langkah selanjutnya yaitu get_sentiment pada kolom Review hasilnya di kolom baru yaitu Sentimen.
Gambar 7.
Pembuatan Kata Kunci Pada gambar 7 mendefinisikan kata daftar kunci positif dan Daftar ini berfungsi sebagai dasar untuk analisis sentimen berbasis kata kunci.
Dalam proses ini menggunakan keyword_sentiment untuk menghitung jumlah kata positif dan negatif yang Selanjutnya digunakan yaitu pos_count neg_count Fungsi terakhir yang mengembalikan 'Positif' jika jumlah kata positif lebih banyak daripada negatif, dan Fungsi terakhir yang digunakan yaitu fungsi keyword_sentiment kolom Review, dan hasilnya disimpan di kolom Sentimen.
Menambahkan kolom label yang dilakukan dengan google Gambar 8.
Pembuatan Kolom Label Pada gambar 8 merupakan sebuah fungsi untuk memeriksa kondisi pada kolom sentimen.
Jika nilai di kolom sentimen adalah 'Positif', maka akan mengisi kolom label dengan 1.
Jika nilai di kolom sentimen adalah 'Negatif', maka akan mengisi kolom label dengan 0.
Data yang sudah di pra proses di google collabs selanjutnya Penyimpanan dilakukan dengan data frame yang berisi data yang telah olah sebelumnya ke bentuk excel XLSX.
Proses penyimpanan data ke excel dapat dilihat pada gambar 9.
Gambar 9.
Export File ke Excel Data yang telah melalui tahap sebuah data yang memiliki Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 Pemahaman tentang sebuah data tersebut akan sangat mudah.
Hasil dari pengolahan data tersebut dapat dilihat pada gambar 10 sebagai Langkah-langkah pengolahan data:
Corpus Gambar 12.
Pengolahan Corpus Orange Gambar 10.
Data Hasil Pra Proses Pengolahan Data Data yang telah di pra proses menggunakan software Orange Data Mining.
Di dalam orange data beberapa tools di orange.
Workflow dari Orange Data Mining dapat dilihat pada gambar 11 sebagai Pada merupakan proses pengolahan orange data mining.
Corpus merupakan inputan data yang menyajikan jumlah baris dan untuk menentukan fitur data yang digunakan dan tidak digunakan .
Corpus dalam data ini digunakan untuk mengolah data Corpus salah satu tools di orange yang digunakan untuk melihat dan mengelola teks Di dalam corpus data text dapat kita jelajahi dengan manual.
Pengolahan yang dilakukan di corpus ini berupa penambahan data review di fitur yang digunakan dan data customers ditambahkan ke fitur yang tidak Karena yang akan dianalisis disini hanya data review Gambar 11.
Workflow Software Orange Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 .
Sentimen Analisis .
Preprocess Text Gambar 13.
Pengolahan Sentimen Gambar 14.
Preprocess text di orange Pada merupakan proses pengolahan sentimen di orange data mining.
Tools yang digunakan selanjutnya yaitu tools sentimen analisis.
Analisis sentimen merupakan fitur membaca serta memahami emosi .
Tools digunakan untuk mengolah sebuah data text.
Data tersebut diolah menggunakan custom dictionary yang telah dibuat dari kata positif dan negatif, karena di dalam review hotel tersebut terdapat ulasan Bahasa Indonesia dan Bahasa Inggris.
Di dalam sentimen analisis ini data review digunakan untuk menentukan besaran nilai yang digunakan untuk pembuatan heat Pada merupakan sebuah pengolahan preprocess text di orange data Preprocess text merupakan pengolahan text mining untuk dilaksanakannya analisis texs .
Di preprocess text data tersebut .
agar data tersebut bisa dianalisis setiap katanya guna menentukan kata yang sering digunakan di data review tersebut.
Selain itu di preprocess text lowercase guna mengubah huruf menjadi kecil semua agar dalam Di preprocess text juga menggunakan filtering stopwords yang digunakan untuk memilih kata-kata yang penting dan bermakna agar hasil analisis menjadi relevan.
Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 .
Data Sampler Word Cloud Gambar 16.
Visualisasi Word Cloud Gambar 15.
Data sampler di orange Pada merupakan proses pengolahan data sampler menggunakan orange data Data sampler merupakan fitur yang digunakan untuk pemilihan jumlah data yang akan diuji .
Pengolahan data di data sampler ini digunakan untuk mengambil sampel data dari banyaknya data review yang ada.
Dalam menggunakan sampling dengan tipe fixed proportion dengan jumlah data yang digunakan sebagai mendapatkan 54 data sampel dari 270 data.
Hasil dan Pembahasan Data yang telah diolah dapat menghasilkan sebuah analisis dan Diantaranya yaitu word cloud, heatmaps, naive bayes, dan Pada merupakan hasil pengolahan word cloud dari orange data mining.
Word cloud merupakan fitur yang digunakan untuk mencari data informasi kata yang dominan timbul dari sebuah komentar (Indah Nurhafida & Sembiring, 2.
Proses hasil visualisasi word cloud ini membutuhkan data dari hasil pengolahan data corpus dan Data => Corpus => Preprocess Text => Word Cloud.
Visualisasi menampilkan kata yang sering muncul dalam review ulasan di Favehotel Solo Baru.
Hasil menampilkan kata, jika ukuran sebuah kata semakin besar maka jumlah atau bobot semakin banyak, sebaliknya jika ukuran kata semakin kecil maka jumlah atau bobot semakin sedikit.
Analisis hasil dari Word Cloud dari ulasan pengunjung di Favehotel Solo Baru menunjukkan bahwa kata kunci yang sering muncul dalam ulasan Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 Kata-kata yang memiliki bobot banyak atau yang sering muncul yaitu Aukamar, pelayanan, strategis, ramah, bersih, enak, makanan, nyamanAy memiliki frekuensi tinggi, menunjukkan aspek-aspek yang menonjol dan sering disebutkan Kata-kata yang jarang muncul atau bobot rendah yaitu Auvarian, luas, parkir, ruangan, fasilitasAy menunjukkan aspek-aspek yang kurang menonjol dan tidak sering disebutkan.
Heat Maps Gambar 17.
Visualisasi Heatmap Pada heatmap pada orange data mining.
Heatmap merupakan fitur untuk mengelompokkan emosi ke dalam respon positif, negatif, maupun netral (Susanto, 2.
Proses visualisasi ini membutuhkan data hasil dari pengolahan corpus, analisis sentimen, dan data sampler yang telah dilakukan.
Data => Corpus => Analisis Sentimen => Data Sampler => Heat Map.
Pada menggunakan clustering rows .
pt menampilkan warna-warna yang menunjukkan review positif dan negatif pada data review di Favehotel Solo Baru.
Data heat map perubahan warna putih hingga warna biru.
Warna putih menunjukkan review customer positif .
elebihan hote.
dan warna biru tua menunjukan .
ekurangan hote.
Analisis hasil dari Heat Map dari review pengunjung di Favehotel Solo Baru menunjukkan bahwa hampir semua memberikan ulasan yang baik terhadap kualitas dan pelayanan yang ada di Favehotel Solo Baru Aukamarnya pelayanan sangat baik, lokasi yang strategis, kamar nyaman, sarapan pagi enak dan banyak variasinyaAy.
Namun ada beberapa review pengunjung memberikan masukan kepada manajemen hotel mengenai kualitas dan pelayanan seperti Aubukber kurang sip, the parking lot is narrow.
AC tidak dinginAy yang menunjukan ulasan dengan nilai paling negatif.
Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 Naive Bayes Dalam menggunakan data rating dengan tipe kategorikal sebagai fitur dan menggunakan data label dengan tipe kategorikal sebagai target.
Dalam proses naive bayes ini menggunakan model prediksi cross validation dengan membagi data menjadi 10 bagian sama besar.
Dalam naive bayes ini dihasilkan Confusion matrix dapat dilihat pada gambar 18 sebagai berikut.
ycNycE Precision=ycNycE yaycE = 221 5 = 0,978 .
,8%) ycNycE Recall=ycNycE yaycA = 221 44 = 0,834 .
,4%) Distribution Sentimen Gambar 19.
Visualisasi Sentimen Gambar 18.
Confusion Matrix Dari gambar confusion matrix dihasilkan TP = 221.
TN = 10.
FP = 5, dan FN = 44.
Untuk menghitung hasil akurasi, precision, dan recall dapat dilakukan seperti dibawah ini (Ronald A.
Fishe.
Akurasi= ycNycE ycNycA ycNycE ycNycA yaycE yaycA Precision= ycNycE .
Recall= ycNycE yaycE ycNycE .
ycNycE yaycA Distribution Rating Keterangan:
TP = True Positif = True Negatif FP = False Positif = False Negatif ycNycE ycNycA Akurasi=ycNycE ycNycA yaycE yaycA = 0,859 .
,9%) Pada merupakan visualisasi distribusi sentimen dari orange data mining.
Visualisasi distribution sentimen ini digunakan untuk melihat seberapa besar orang yang memberikan ulasan positif dan ulasan negatif.
Data yang digunakan untuk visualisasi ini adalah data sentimen yang diproses menggunakan google collab sebelumnya.
Dari hasil visualisasi distribution sentimen ini diperoleh bahwa 226 orang .
,79%) memberikan ulasan positif dan 44 orang .
,30%) memberikan ulasan negatif pada Favehotel Solo Baru.
Gambar 20.
Visualisasi Rating Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 Visualisasi distribution digunakan IV.
Kesimpulan untuk menganalisis rating di dataset Berdasarkan hasil analisis tentang ulasan Favehotel Solo Baru.
Proses penerapan analisis sentimen tentang visualisasi jumlah rating ini kualitas dan pelayanan di Favehotel Solo Baru diperoleh kesimpulan mengambil data dari dataset tanpa Pengambilan variabel atau data rating.
Dari hasil menggunakan cara web scraping dengan menggunakan extension jumlah rating dari 1 hingga 5.
dari google chrome yaitu Instant Rating 1 bernilai Ausangat burukAy.
Data Scraper.
Data dari scraping rating 2 bernilai AuburukAy, rating 3 perlu dilakukannya sebuah pra bernilai Aucukup baikAy, rating 4 proses dan analisis sentimen bernilai AubaikAy, dan rating 5 bernilai pada data seperti mengganti Ausangat baikAy.
Visualisasi tersebut nama atribut dan variabel, digambarkan dengan kode batang.
menghapus data yang tidak Hasil analisis dari distribusi rating digunakan, dan mengganti nama Favehotel Solo Baru menunjukkan bahwa rating yang didapatkan kode atribut.
Pra proses tersebut memperoleh 200 orang .
,07%) dilakukan guna memberikan yang memberikan rating 5 dan dataset agar berkualitas serta sebanyak 54 orang .
%) yang menyempurnakan data tersebut.
memberikan rating 4, sehingga dari Sentimen analisis terhadap ulasan pengunjung di platform google maps sangat penting bagi pengunjung terhadap kualitas dan manajemen Favehotel Solo Baru pelayanan di Favehotel Solo Baru.
untuk memahami kepuasan pelanggan dan meningkatkan Namun demikian ada sebanyak 2 Kontribusi sentimen orang .
,74%) yang memberikan analisis juga merupakan alat rating 1 dan sebanyak 4 orang analisis penting bagi berbagai .
,48%) yang memberikan rating 2, sehingga menggambarkan sedikit bidang seperti pemasaran dan tidak kepuasan dari pengunjung di layanan pelanggan.
Favehotel Solo Baru.
Dari hasil Dari hasil analisis di distribution analisis rating dihasilkan bahwa rating dihasilkan bahwa rating rata-rata pengunjung mendapatkan terbanyak ada pada rating 5 kepuasan terhadap kualitas dan dengan jumlah sebanyak 200 pelayanan yang baik di Favehotel orang .
,07%), disusul rating 4 Solo Baru dengan memberikan dengan jumlah 54 orang .
%) rating baik di google maps.
dan jumlah rating paling sedikit ada pada rating 1 dengan jumlah sebanyak 2 orang .
,74%).
Dari hasil analisis rating melalui Jurnal Pelita Teknologi.
Vol.
2025, pp.
PELITA TEKNOLOGI
Journal homepage: jurnal.
id, p-ISSN: 2301-475X, e-ISSN: 2656-7059 distribusi frekuensi dihasilkan bahwa rata-rata pengunjung hotel mendapatkan kepuasan terhadap kualitas dan pelayanan di Favehotel Solo Baru dengan memberikan rating baik di google maps.
Hasil kinerja metode Naive Bayes menunjukkan kinerja yang baik dalam mendeteksi kelas positif dengan precision tinggi dan memiliki akurasi keseluruhan yang cukup baik.
Meskipun precision tinggi, recall yang lebih rendah menunjukkan bahwa ada beberapa instance positif yang tidak terdeteksi .
alse negative.
Ini bisa menjadi area untuk perbaikan, mungkin dengan pengaturan ulang threshold atau penggunaan teknik lain.
Hasil menunjukkan bahwa kualitas dan pelayanan yang ada di Favehotel Solo Baru menunjukkan 226 ulasan positif lebih banyak dibandingkan dengan ulasan yang negatif sebanyak 44 dari hasil visualisasi distribution sentimen, sehingga dapat disimpulkan bahwa hotel tersebut telah output pelayanan yang baik bagi memberikan kepuasan yang mencerminkan hotel tersebut.
Dalam hasil Word Cloud menunjukkan beberapa kata yang sering muncul Aukamar, pelayanan, strategis, ramah, nyamanAy.
Namun heatmap terdapat ulasan-ulasan negatif yang menjadi sorotan Ulasan-ulasan tersebut berupa Aubukber kurang sip, the parking lot is narrow.
AC tidak dinginAy.
Dari perbaikan kualitas dan pelayanan yang kepuasan dan langganan dari pengunjung Favehotel Solo Baru.
References