p-Index From 2021 - 2026
4.309
P-Index
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Jurnal Sistem dan Informatika

Analisis Sentimen Pada Review Pengguna Aplikasi Mobile Untuk Evaluasi Faktor Usability Septiyawan Rosetya Wardhana; Diana Purwitasari; Siti Rochimah
Jurnal Sistem dan Informatika (JSI) Vol 11 No 1 (2016)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (130.819 KB)

Abstract

Faktor usability merupakan aspek yang paling diperhatikan dalam pembuatan maupun pengujian aplikasi mobile. Evaluasi usability dapat dilakukan dengan melakukan analisis sentimen pada review pengguna aplikasi mobile. Orientasi sentimen inilah yang umumnya dijadikan sebagai acuan dalam proses evaluasi. Selain itu, setiap review pasti memiliki tingkat sentimen yang mencerminkan tinggi rendahnya orientasi sentimen, sehingga akan lebih efektif apabila tingkat sentimen juga dipertimbangkan dalam proses evaluasi. Berbeda dengan jenis perangkat lunak lainnya, aplikasi mobile memiliki batasan dan permasalahan sendiri yang tidak dimiliki perangkat lunak lain. Model PACMAD (People At The Centre of Mobile Application Development) merupakan model usability yang karakteristiknya disesuaikan dengan batasan dan permasalahan yang dimiliki oleh aplikasi mobile. Oleh karena itu, dalam penelitian ini diusulkan suatu metode analisis sentimen dengan mempertimbangkan tingkat sentimen pada opini pengguna aplikasi mobile untuk evaluasi faktor usability berdasarkan model PACMAD. Data review pengguna akan diklasifikasikan ke dalam faktor usability PACMAD dengan menggunakan metode TF.ICF, kemudian dianalisis orientasi dan tingkat sentimennya dengan menggunakan metode SentiWordNet Interpretation. Berdasarkan hasil ujicoba menggunakan data review dari 5 aplikasi mobile diperoleh rata-rata nilai akurasi klasifikasi faktor usability sebesar 82% dan akurasi sentimen sebesar 79%.
Prediksi Cacat Perangkat Lunak Dengan Optimasi Naive Bayes Menggunakan Pemilihan Fitur Gain Ratio Muhammad Sonhaji Akbar; Siti Rochimah
Jurnal Sistem dan Informatika (JSI) Vol 11 No 1 (2016)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (106.799 KB)

Abstract

Dalam prediksi cacat perangkat lunak, terjadinya kesalahan prediksi cacat perangkat lunak merupakan hal yang sangat fatal karena data yang salah prediksi dapat menimbulkan pengaruh terhadap perangkat lunak itu sendiri. Kurang optimalnya metode prediksi yang digunakan. Masih terdapat kesalahan dalam memprediksi cacat perangkat lunak. Dalam metode Naive Bayes juga masih terdapat kekurangan ketika terjadi kesalahan klasifikasi. Kesalahan klasifikasi ini dapat memperlambat proses prediksi cacat perangkat lunak. Dibutuhkan metode yang dapat mengatasi kesalahan klasifikasi ini. Dalam penelitian ini disusulkan optimasi metode Naive Bayes menggunakan Gain Ratio. Pemilihan fitur menggunakan Gain Ratio pada Naïve Bayes dapat mengurangi dampak kegagalan prediksi. Penggunaan Gain Ratio dapat meningkatkan performa prediksi. Penghitungan Gain Ratio dapat dirumuskan yaitu dari setiap atribut Gain Ratio dikali jumlah data n kemudian dibagi dengan rata-rata Gain Ratio semua atribut. Atribut dari Gain Ratio sendiri merupakan hasil bagi dari Mutual Information dan Entropy. Mutual Information (MI) merupakan nilai ukur yang menyatakan keterikatan atau ketergantungan antara dua variabel atau lebih. Selain MI, Entropy digunakan sebagai pembagi dari MI yang digunakan untuk menentukan atribut mana yang terbaik atau optimal. Maka dari itu penghitungan Gain Ratio adalah hasil dari penghitungan Mutual Information dibagi dengan hasil penghitungan Entropy Penghitungan Gain Ratio. Hasil penelitian menunjukkan akurasi sebesar 87,55% untuk metode usulan dan 85,34% untuk metode Naïve Bayes biasa.
Memprediksi Waktu Memperbaiki Bug dari Laporan Bug Menggunakan Klasifikasi Random Forest Nur Fajri Azhar; Siti Rochimah
Jurnal Sistem dan Informatika (JSI) Vol 11 No 1 (2016)
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis (ITB) STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (154.68 KB)

Abstract

Pengembang perangkat lunak harus memiliki rencana dalam pengaturan biaya pengembangan perangkat lunak. Perbaikan perangkat lunak dalam fase pemeliharaan sistem dapat disebabkan oleh bug. Bug adalah kerusakan yang terjadi pada perangkat lunak yang tidak sesuai dengan kebutuhan perangkat lunak. Bug perangkat lunak dapat memiliki waktu yang cepat atau lama dalam perbaikan yang bergantung dari tingkat kesulitannya. Pengembang dapat dibantu oleh rekomendasi model prediksi dan memberikan bahan pertimbangan waktu perbaikan bug. Dalam penelitian ini, penulis akan menggunakan praproses penyaringan dataset, algoritma random forest untuk pembangunan pendekatan prediksi dan 10-fold cross validation untuk menghitung akurasi. Random forest digunakan karena memiliki kelebihan dalam hal akurasi jika digunakan dengan dataset berjumlah besar. Metode dalam penelitian ini memperoleh akurasi dengan rentang antara 70%-79%. Metode dalam penelitian ini memiliki akurasi yang lebih baik dibandingkan dengan metode decision tree, random forest, dan naïve bayes
Co-Authors ABDUL MUNIF Achmad Arwan Achmad Arwan Ahmadiyah, Adhatus Solichah Akbar, Fawwaz Ali Akbar, Rizky Januar Aldy Sefan Rezanaldy Alexander L. Romy Alirridlo, Maulana Alqis Rausanfita Amirullah, Afif Ana Tsalitsatun Ni'mah Andhik Ampuh Yunanto Andy Rachman Anggraini, Ratih Nur Esti Arifiani, Siska Arini R. Rosyadi Arrijal Nagara Yanottama Bagus Priambodo Balqis Hidayat, Sultana Bambang Jokonowo Bayu Priyambadha Bayu Priyambadha Bintang Nuralamsyah Butar Butar, Thio Marta Elisa Yuridis Chastine Fatichah Choiru Zain Daniel Oranova Daniel Oranova Siahaan Darlis Heru Murti Darlis Herumurti Denni Aldi Ramadhani Denni Aldi Ramadhani Denni Aldi Ramadhani Diana Purwitasari Dianni Yusuf Dimas Widya Liestio Pamungkas Dini Adni Navastara, Dini Adni Diniar Nabilah Ghassani Djoko Pramono Dwi Sunaryono Dyah Sulistyowati Rahayu Eko M. Yuniarno Eko Wahyu Wibowo Endang Wahyu Pamungkas Evi Triandini F.X. Arunanto Faizal Johan Fernandes Sinaga Galang Amanda Dwi P. Hadiningrum, Tiara Rahmania Haniefardy, Addien Haq, Arinal Hengki Suhartoyo Hidayatul Munawaroh I Gede Suardika Imam Kuswardayan Jan Claes Karolita, Devi Khairy, Muhammad Shulhan Kholed Langsari Kurniasari, Dias Tri Kurniawan, Adi Kusbandono Ari Bowo Laili Yuhana, Umi Lesmideyarti, Dwi Lukman Hakim Lutfi Rizal Gozali Mardiana, Bella Dwi Mardianto, Ricky Mauridhi Hery Purnomo Mohammad Ahmaluddin Zinni, Mohammad Ahmaluddin Montolalu, Billy Muhammad Iskandar Java Muhammad Sonhaji Akbar Muhammad Yusuf Muhsin Bayu Aji Fadhillah Mutia Rahmi Dewi Nisa, Maidina Choirun Nugroho, Supeno Mardi S. Nur Fajri Azhar Nuralamsyah, Bintang Oranova, Daniel Pamungkas, Dimas Widya Liestio Pertiwi, Kharisma Monika Dian Pradanita, Windy Rahmadia Prasetyo Putri, Divi Galih Quinevera, Stefanie R. Firman Insan M. Rachman, Andy Rahmi Ika Noviana Ratih Nindyasari Relaci Aprilia Istiqomah Reza Fauzan Ridho Rahman Hariadi Ridwan, Mochammad Arief Riyanarto Sarno Rizky Januar Akbar Santoso, Bagus Jati Saptarini, Istiningdyah Sarwosri Sarwosri Sarwosri Sarwosri, - Septiyawan Rosetya Wardhana Setiawan, Wahyu Fajar Siska Arifiani Steven Joses Suhadi Lili Suhadi Lili Supeno Mardi S. Nugroho Tahara, Enrico Almer Tampubolon, Andrew Lomaksan Manuel Ulima Inas Shabrina Vico Ade Candra Widyanti Kartika Windy Rahmadia Pradanita Yanuar Risah Prayogi Yuhana, Umi Laili Yulvida, Donata Yuniarno, Eko M. Yusuf, Dianni Zulhaydar Fairozal Akbar