<![CDATA[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.]]>
Copyrights © 2026
