Paradoks Akreditasi Bintang di Era Digital: Analisis Sentimen Ulasan Wisatawan pada Hotel di Kuta, Bali Menggunakan Natural Language Processing (NLP)

Abstract

Penelitian ini bertujuan untuk mengkaji secara komprehensif relevansi sistem akreditasi bintang hotel formal melalui analisis kesesuaiannya dengan persepsi wisatawan yang tercermin dalam ulasan daring. Penelitian difokuskan terutama pada hotel berbintang 3 dan 4 di kawasan Kuta dengan mengangkat fenomena star accreditation paradox, yaitu kondisi ketika sinyal kualitas formal sering kali tidak sejalan dengan pengalaman aktual wisatawan. Penelitian ini menggunakan pendekatan mixed methodsdengan metode Natural Language Processing(NLP) dan Machine Learning untuk menganalisis 6.725 ulasan wisatawan yang diperoleh dari platform TripAdvisor dan Booking.com. Analisis sentimen berbasis lexicon-based yang divalidasi menggunakan Cohen's Kappa (κ = 0,86) menunjukkan bahwa 78,5% ulasan memiliki sentimen positif. Namun demikian, hasil uji Chi-Square yang sangat signifikan (χ² = 148,75; p < 0,001) membuktikan adanya kesenjangan yang nyata antara klasifikasi bintang hotel dan sentimen wisatawan. Hotel berbintang 4 memperoleh proporsi ulasan positif yang lebih tinggi (83,5%) dibandingkan hotel berbintang 3 (71,1%). Hasil regresi logistik multinomial menunjukkan bahwa aspek pelayanan (β = 0,812) dan kebersihan (β = 0,652) merupakan faktor dominan yang memengaruhi terbentuknya sentimen positif, sedangkan aspek harga menunjukkan korelasi negatif terhadap kepuasan wisatawan. Dalam proses klasifikasi sentimen, algoritma Support Vector Machine (SVM) menghasilkan tingkat akurasi yang tinggi sebesar 99,37%. Temuan penelitian ini memperluas Expectation-Disconfirmation Theory dan Signaling Theoryke dalam konteks digital melalui konsep Digital Signaling.