Kerangka Kerja Sistem Peringatan Dini Penurunan Rating Akomodasi Wisata Berbasis Machine Learning

Abstrak

Penelitian ini mengembangkan kerangka kerja sistem peringatan dini untuk memprediksi penurunan rating akomodasi wisata berbasis machine learning menggunakan pendekatan data sintetis yang tervalidasi. Permasalahan utama yang dihadapi adalah penurunan rating pada platform digital yang umumnya baru teridentifikasi setelah terjadi, sehingga respons manajerial menjadi terlambat dan berdampak negatif terhadap reputasi bisnis. Kerangka kerja prediktif yang diusulkan mengintegrasikan analisis sentimen ulasan pelanggan, pemodelan topik, dan agregasi temporal untuk mendeteksi indikasi awal penurunan rating satu periode sebelumnya. Data sintetis dibangun berdasarkan karakteristik dataset publik Bali Hotel Reviews serta dokumentasi Google Reviews API dan telah melalui validasi statistik komprehensif. Evaluasi model menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dalam memprediksi penurunan rating. Hasil penelitian menunjukkan bahwa probabilitas topik, rata-rata rating, dan rating minimum merupakan prediktor utama. Kerangka kerja yang dikembangkan mampu memberikan peringatan dini yang interpretatif dan aplikatif melalui dashboard interaktif dengan kebutuhan infrastruktur minimal.