Jagosatu.com - Sekarang ini, aplikasi baru di App Store muncul setiap hari, membuat persaingan jadi sangat ketat.
Banyaknya aplikasi membuat kita, sebagai pengguna, bingung memilih yang mana.
Di tengah kebingungan itu, rating aplikasi menjadi penentu utama apakah kita akan mengunduh atau tidak.
Rating adalah penilaian yang diberikan pengguna berupa bintang dengan tujuan untuk menilai apakah suatu aplikasi sudah baik untuk digunakan.
Semakin tinggi rating yang diberikan, semakin besar kemungkinan pengguna lain tertarik untuk mengunduh aplikasi tersebut.
Oleh karena itu, rating yang tinggi adalah target penting bagi para pengembang aplikasi.
Sistem prediksi rating dibutuhkan agar pengembang bisa tahu aplikasi mana yang tepat berdasarkan rating yang diberikan pengguna terhadap suatu aplikasi.
Sebuah penelitian berjudul "Prediksi Rating Aplikasi App Store Menggunakan Algoritma Random Forest" dilakukan oleh Green Arther Sandag.
Penelitian ini menerapkan teknik data mining untuk melakukan prediksi rating.
Data mining adalah teknik untuk menemukan pola tersembunyi, korelasi, atau informasi berguna dari sejumlah besar data.
Metode yang digunakan dalam penelitian ini adalah Algoritma Random Forest (RF).
Random Forest adalah salah satu algoritma yang melakukan pengklasifikasian yang terdiri dari beberapa pohon keputusan.
Tujuan utama dari penggunaan Algoritma Random Forest adalah untuk mengetahui seberapa banyak pengguna yang menyukai atau tidak menyukai aplikasi yang telah dibuat.
Data yang digunakan dalam penelitian ini adalah Apple's AppStore dataset, yang bisa diakses di Kaggle.
Dataset ini adalah kumpulan data yang berisi informasi dari 7198 baris (rows) dan 16 atribut atau variabel.
Penelitian ini membagi data menjadi dua bagian: 80% data untuk training dan 20% data untuk testing.
Proses training adalah tahap di mana algoritma "belajar" dari sebagian besar data untuk membangun model prediksi.
Sementara itu, proses testing adalah tahap untuk mengevaluasi model prediksi yang telah dibuat sebelumnya.
Setelah pengujian, ditemukan beberapa faktor atau atribut yang paling kuat dalam memengaruhi rating aplikasi.
Faktor yang paling berpengaruh adalah track_name (nama aplikasi) dengan bobot sebesar 0.919.
Faktor kedua yang paling berpengaruh adalah user_rating_ver (rata-rata nilai rating pengguna untuk versi saat ini) dengan bobot 0.344.
Tingginya pengaruh nama aplikasi dan rating versi saat ini menunjukkan bahwa kabar yang cepat menyebar di kalangan pengguna (word of mouth) dan penggunaan kata kunci yang relevan sangat mempengaruhi hasil rating.
Di sisi lain, atribut seperti currency (jenis mata uang), support_devices.num (jumlah perangkat pendukung), dan vpp_lic (perizinan perangkat berbasis Vpp) hampir tidak berpengaruh sama sekali terhadap rating.
Ini terjadi karena pengguna biasanya tidak melihat dari nama mata uang atau dukungan perangkat, melainkan dari banyaknya review dan jumlah pengguna aplikasi.
Metode Random Forest menghasilkan akurasi prediksi yang sangat baik, yaitu 86.27% pada pengujian 10-fold Cross Validation.
Nilai akurasi yang tinggi ini membuktikan bahwa algoritma ini sangat baik dalam memprediksi rating aplikasi.
Dengan mengetahui faktor-faktor ini, pengembang dapat mengetahui kelemahan aplikasi dari sudut pandang pengguna untuk meningkatkan produk dalam waktu singkat.
Penelitian oleh Green Arther Sandag menyimpulkan bahwa Algoritma Random Forest memiliki performa terbaik dalam membantu menemukan kelemahan pada dataset Apple's AppStore.
Hasil pengujian independent evaluation Algoritma Random Forest menunjukkan akurasi 85.58%, recall 84.67%, precision 83.61%, dan nilai RMSE 0.311.
Ini memberikan gambaran jelas bagi pengembang untuk mengambil keputusan berdasarkan data, bukan hanya asumsi.
VYR
Editor : Toar Rotulung