<![CDATA[Banyaknya ulasan hotel yang tersedia pada platform Online Travel Agency (OTA) seperti Agoda dan Traveloka umumnya bersifat subjektif dan tidak terstruktur, sehingga menyulitkan calon pengunjung dalam menentukan pilihan akomodasi secara efisien. Penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan (SPK) pemilihan hotel berbasis web yang mengintegrasikan teknik Machine Learning untuk analisis sentimen dengan metode Simple Additive Weighting (SAW). Data ulasan dari 208 hotel diekstraksi secara otomatis menggunakan teknik web scraping berbasis pustaka Playwright. Teks ulasan kemudian melalui tahapan text preprocessing dan direpresentasikan secara numerik menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), sebelum diklasifikasikan ke dalam sentimen positif dan negatif menggunakan algoritma Logistic Regression. Hasil analisis sentimen ini diubah menjadi skor numerik (skala 0–100) dan diintegrasikan sebagai salah satu kriteria dalam metode SAW, bersama dengan kriteria Kelengkapan Fasilitas Hotel dan Rata-Rata Rating. Kriteria penilaian tersebut diberikan bobot masing-masing sebesar 45% untuk fasilitas, 30% untuk skor sentimen, dan 25% untuk rating hotel. Hasil perhitungan preferensi (V-Score) menunjukkan bahwa metode SAW berhasil merangking seluruh alternatif hotel secara objektif. Hotel sunrise seasports menempati peringkat pertama dengan V-Score tertinggi sebesar 0,9158 karena memiliki performa yang unggul dan seimbang pada ketiga kriteria benefit yang diujikan. SPK ini diimplementasikan menggunakan bahasa pemrograman Python dan framework Flask dengan pendekatan monolitik. Penggabungan analisis sentimen ulasan teks berbasis AI dengan metode SPK multi-kriteria terbukti menghasilkan rekomendasi akomodasi yang lebih holistik dan representatif dibandingkan hanya mengandalkan nilai rating bintang konvensional. Keyword : Sistem Pendukung Keputusan, Pemilihan Hotel, Simple Additive Weighting, Analisis Sentimen, Logistic Regression, TF-IDF.]]>
