<![CDATA[Ulasan yang diberikan oleh pengguna pada aplikasi, dewasa ini menjadi umpan balik yang menjadi jembatan penghubung antara pengembang dan pengguna. Pengalaman secara langsung dalam menggunakan aplikasi dapat menjadi masukan yang dapat membuat aplikasi menjadi lebih baik. Ulasan yang dapat menjadi masukan adalah ulasan yang berkualitas baik dan berhubungan secara langsung terhadap pengalaman pengguna. Data ulasan yang banyak dan kalimat ulasan memiliki arti bias menyulitkan untuk memahami dan memilah ulasan secara manual, sehingga diharapkan klasifikasi secara otomatis membantu dalam pelimpahan masukan secara tepat pada divisi yang bertanggung jawab. Penelitian ini mengusulkan pendekatan klasifikasi menggunakan metode Ensemble pada dua kelas utama, yaitu divisi pengembangan dan divisi operasi. Setiap ulasan di ekstraksi fitur menggunakan metode Hierarchical Dirichlet Process (HDP) karena dapat membantu dalam mengelompokkan ulasan yang memiliki karakteristik arti yang secara sentimen ambigu dan emosional ke dalam topik-topik yang relevan. Ulasan diambil dari Google Play dan dilakukan pelabelan secara manual oleh pakar. Hasil penelitian menunjukkan bahwa dengan menggunakan metode Gradient Boosting menghasilkan performa yang lebih baik dibandingkan metode klasifikasi Ensemble lainnya yang diuji dengan menggunakan ekstraksi fitur HDP mendapatkan akurasi 0.63, precision 0.62, recall 0.55 dan F1 Score 0.52. Ekstraksi fitur menggunakan HDP memberikan performa yang lebih baik dibandingkan dengan metode pembanding Latent Dirichlet Allocating (LDA).]]>
Copyrights © 2024
