Ekstraksi Fitur Produk dan Bug Potensial dari Data Opini Pengguna

Putri, Divi Galih Prasetyo (2015) Ekstraksi Fitur Produk dan Bug Potensial dari Data Opini Pengguna. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5114201045-Master Thesis.pdf]
Preview
Text
5114201045-Master Thesis.pdf

Download (3MB) | Preview

Abstract

Proses evolusi dan pemeliharaan ini dikenal sebagai proses yang memiliki biaya dan waktu tinggi. Maka dari itu sangat penting untuk dapat mengidentifikasi masalah yang ada pada perangkat lunak guna meningkatkan efektifitas dan efisiensi proses. Salah satu sumber yang dapat dimanfaatkan adalah data opini pengguna. Timbal balik yang diberikan oleh pengguna ini merepresentasikan keinginan pengguna dan dapat digunakan untuk membantu mengarahkan alokasi usaha pengembangan dan pemeliharaan perangkat lunak serta meningkatkan kualitas produk. Metode terbaru yang bisa dimanfaatkan adalah metode collocation finding. Akan tetapi, metode ini belum mampu menangkap fitur-fitur yang jarang disebutkan seperti pada opini pengguna yang termasuk saran fitur baru.
Peningkatan dilakukan dengan memanfaatkan aturan bahasa dalam mendapatkan fitur yang jarang disebutkan. Penelitian menganalisa pola linguistik yang umumnya terdapat pada data opini untuk mendapatkan aturan ekstraksi fitur. Selain itu juga ditambahkan proses pruning untuk menghilangkan hasil ekstraksi yang kurang relevan.
Data yang digunakan merupakan data opini dari Application distribution platform atau app store. Hasil pengujian menunjukkan bahwa metode ini mampu meningkatkan nilai presisi dan recall dari metode collocation. Dengan pendekatan tersebut diharapkan rekomendasi yang dihasilkan dapat memberikan informasi yang lebih lengkap pada pengembang perangkat lunak.
===============================================================================================
Evolution and maintenance process are known by the huge cost and slow implementation. It is important for developers to determine what features that should be improved and new features that should be built. For this purpose, developer can utilize user opinion data. Opinion provided by user represents user requirement and can be used to direct the allocation of development and maintenance effort as well as improving the quality of software. One of the most recent method that can be used is collocation finding. However, this method is not able to capture the features that are rarely mentioned as in the new feature suggestions.
We built a model to improve the quality of product features extraction by utilizing the dependency rules. We analyzed common linguistic pattern of opinion data to construct the extraction rule. Beside that, we also perform pruning process to eliminate unrelevant result from the extraction process.
We use data review from application distribution platform or app store. The result shows that the proposed method is better in recall and precision compared to collocation method itself. This approach is expected to provide more information for the developer.

Item Type: Thesis (Masters)
Additional Information: RTIf 006.42 Put e
Uncontrolled Keywords: Product Feature, Product Feature Mining, Opinion Mining
Subjects: T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions: Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User: Mr. Tondo Indra Nyata
Date Deposited: 06 Oct 2017 08:07
Last Modified: 24 Aug 2018 06:26
URI: http://repository.its.ac.id/id/eprint/48930

Actions (login required)

View Item View Item