KLASIFIKASI ULASAN APLIKASI PADA TOKO APLIKASI BERGERAK DENGAN MEMANFAATKAN ISSUE TRACKER GITHUB

Joko Prasetyo, Daniel Oranova Siahaan

Abstract


Dengan semakin maraknya aplikasi untuk perangkat begerak, membuat para pengembang harus berkompetisi untuk membuat aplikasi sesuai dengan keinginan pengguna. Ulasan pengguna pada suatu aplikasi, adalah salah satu cara untuk mencapainya. Terdapat penelitian yang memanfaatkan ulasan tersebut, yaitu  rekomendasi fitur aplikasi untuk pengembang. Penelitian tersebut mengekstraksi fitur aplikasi dari suatu ulasan dan mengklasifikasi kedalam dua tipe, yaitu laporan kesalahan atau permintaan fitur. Pada proses klasifikasi, dataset yang dipakai berasal dari hasil penelusuran ulasan toko aplikasi bergerak Google Play dan IOS App Store. Kekurangan dari dataset tersebut adalah perlunya pelabelan manual oleh para ahli, dimana hal tersebut membutuhkan waktu yang tidak sedikit, selain itu data yang dihasilkan tidak terlalu banyak. Sehingga hal tersebut akan berpengaruh pada hasil akurasi. Penelitian ini mengusulkan penggunaan dataset berlabel dari sumber lain yang jumlahnya melimpah, yaitu judul dari issue pada repository perangkat lunak terbuka Github, yang mana dataset tersebut akan digunakan sebagai data latih. Tujuan dari penelitian yang diusulkan adalah untuk mengetahui apakah penggunaan data dari sumber lain dapat dipakai sebagai dataset latih dengan akurasi yang lebih baik atau tidak. Dari hasil penelitian diharapkan keterlibatan ahli dalam proses pelabelan dapat dihilangkan. Selain itu, diharapkan model klasifikasi tersebut dapat digunakan untuk klasifikasi dengan domain yang lebih luas, misalnya klasifikasi perangkat lunak desktop. Metode klasifikasi yang dipakai adalah naïve bayes, karena telah dibuktikan pada penelitian sebelumnya, bahwa metode naïve bayes menghasilkan akurasi yang lebih tinggi daripada decision tree dan Max Ent. Hasil Penelitian menunjukkan bahwa model yang diusulkan menghasilkan precision sebesar 61-69% dan recall sebesar 30-88%

Full Text:

PDF

References


A. Finkelstein et al., “App Store Analysis : Mining App Stores for Relationships between Customer , Business and Technical Characteristics,” UCL Res. Note, vol. 14/10, pp. 1–24, 2014.

H. Li, L. Zhang, L. Zhang, and J. Shen, “A user satisfaction analysis approach for software evolution,” 2010 IEEE Int. Conf. Prog. Informatics Comput., vol. 2, no. 2007, pp. 1093–1097, 2010.

P. D. G. Putri and D. O. Siahaan, “EKSTRAKSI FITUR PRODUK DAN BUG POTENSIAL DARI DATA OPINI PENGGUNA,” Institut Teknologi Sepuluh Nopember, 2016.

W. Maalej and H. Nabil, “Bug Report , Feature Request , or Simply Praise ? On Automatically Classifying App Reviews,” 2015.

D. Pagano and W. Maalej, “User feedback in the appstore: An empirical study,” 2013 21st IEEE Int. Requir. Eng. Conf. RE 2013 - Proc., pp. 125–134, 2013.

W. Maalej, Z. Kurtanović, H. Nabil, and C. Stanik, “On the automatic classification of app reviews,” Requir. Eng., vol. 21, no. 3, pp. 311–331, 2016.

M. Bano, “User Involvement in Software Development and System Success : A Systematic Literature Review,” pp. 125–130, 2013.

B. Kitchenham et al., “Systematic literature reviews in software engineering – A tertiary study,” Inf. Softw. Technol., vol. 52, no. 8, pp. 792–805, 2010.

V. V Das, “Involvement of Users in Software Requirement Engineering,” pp. 230–233, 2007.

S. A. Fricker, I. W. Conference, and D. Hutchison, Requirements Engineering : Foundation. 2015.

K. Herzig, S. Just, and A. Zeller, “It ’ s not a Bug , it ’ s a Feature : How Misclassification Impacts Bug Prediction,” no. Section XII.

G. Antoniol, K. Ayari, M. Di Penta, and F. Khomh, “Is it a Bug or an Enhancement ? A Text-based Approach to Classify Change Requests.”

L. Li and X. Jin, “Multi-Domain Active Learning for Text Classification,” 2012.

Q. Lin, S. Liu, Z. Yang, A. Jami, and A. Saxena, “Cross-Domain Text Understanding in Online Social Data,” pp. 1–6, 2014.

D. Jurafsky and J. Martin, H, “Naive Bayes and Sentiment Classification,” 2016.

D. Mining, “Finding Informative Features 36-350:,” vol. 1, no. September, pp. 1–12, 2009




DOI: http://dx.doi.org/10.12962/j24068535.v15i2.a666

Refbacks

  • There are currently no refbacks.


Free counters!
Creative Commons License
JUTI (Jurnal Ilmiah Teknologi Informasi) by Department of Informatics, ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. JUTI is accordance with CC BY-SA.