Klasifikasi Perubahan Perangkat Lunak pada Mobile App Review dengan Menggunakan Metode Long Short Term Memory (LSTM)

Abstrak

Seiring dengan perkembangan aplikasi bergerak, perbaikan dan evolusi perangkat lunak
menjadi salah satu hal yang wajib untuk dilakukan. Salah satu input yang dapat digunakan dalam
proses tersebut diantaranya adalah pengalaman pengguna dalam menggunakan produk. Beberapa
jenis kategori perubahan perangkat lunak yang sering digunakan sebagai pemetaan diantaranya
adalah Bug Error, Feature Request, dan Non Informative. Penelitian sebelumnya
mengelompokan perubahan perangkat lunak dengan menganalisa nilai similaritas dari hidden
topics yang dihasilkan oleh Latent Dirichlet Allocation (LDA). Namun performa dari pelabelan
tidak terlalu baik karena hanya mempertimbangkan nilai similaritas beberapa term yang mewakili
kalimat ulasan saja. Oleh karena itu, penelitian ini mengusulkan metode yang mempertimbangkan
similarity clustering dan lexical analysis dari dokumen ulasan yang selanjutnya diklasifikasi
dengan menggunakan Long Short Term Memory (LSTM) pada kategori Bug Report dengan nilai
93.1% untuk akurasi, 100% untuk precision, dan 93.1% untuk recall.