ANALISA CLUSTER APLIKASI PADA APP STORE DENGAN MENGGUNAKAN METODE K-MEANS
Abstract
Bagi para pengguna iphone, salah satu tempat untuk mengunduh ratusan ribu aplikasi android adalah App Store. Aplikasi-aplikasi iOS di bagi menjadi ketegori-ketegori yang unik. Di dalam aplikasi iOS ini terdapat aplikasi-aplikasi yang berbayar dan gratis. Dengan kategori tersebut pengguna bisa dengan mudah mencari aplikasi yang dibutuhkannya. Pada penelitian ini kami menggunakan metode K-Means untuk melihat ciri-ciri dari atribut yang ada. Dataset App Store diambil dari website resmi kaggle. Tujuan dari penelitian ini adalah untuk menganalisa hasil cluster dari K-Means. Hasil dari penelitian adalah adanya sebuah cluster yang memiliki ciri-ciri aplikasi yang ideal, yaitu nilai user rating tinggi, harga yang cukup lumayan dan memiliki ukuran aplikasi yang rendah.
Full Text:
PDFReferences
Abdurrahman, G. (2016). Clustering Data Ujian Tengah Semester ( UTS ) Data Mining Menggunakan Algoritma K-Means. Jurnal Sistem Dan Teknologi Informasi Indonesia, 2(1), 71–79. https://doi.org/10.32528/justindo.v1i2.566
Bozanta, A., & Co, M. (2018). K-Means vs . Fuzzy C-Means : A Comparative Analysis of Two Popular Clustering Techniques on the Featured Mobile Applications Benchmark.
Effendi, J., & M Jorgi, R. (2018). Analisis Cluster Aplikasi pada Google play Store dengan Menggunakan Metode K-Mean. 4(1), 978–979.
Febrianti, F., Hafiyusholeh, M., & Asyhar, A. H. (2016). Perbandingan Pengklusteran Data Iris Menggunakan Metode K-Means Dan Fuzzy C-Means. Jurnal Matematika “MANTIK,” 2(1), 7. https://doi.org/10.15642/mantik.2016.2.1.7-13
Man, Y., Gao, C., Lyu, M. R., & Jiang, J. (2016). Experience Report: Understanding Cross-Platform App Issues from User Reviews. Proceedings - International Symposium on Software Reliability Engineering, ISSRE, 138–149. https://doi.org/10.1109/ISSRE.2016.27
Martin, W., Sarro, F., Jia, Y., Zhang, Y., & Harman, M. (2017). A survey of app store analysis for software engineering. IEEE Transactions on Software Engineering, 43(9), 817–847. https://doi.org/10.1109/TSE.2016.2630689
Putra, R. R., & Wadisman, C. (2018). Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritam K-Means Alghorithm. 1, 72–77.
Sandi, T. A. A., Raharjo, M., Putra, J. L., & Ridwan, R. (2018). Clustering Kesetiaan Pelanggan Dengan Model Rfm (Recency, Frequency, Monetary) Dan K-Means. Jurnal Pilar Nusa Mandiri, 14(2), 239. https://doi.org/10.33480/pilar.v14i2.950
Sangani, C., & Ananthanarayanan, S. (2013). Sentiment Analysis of App Store Reviews. Technical Report, Stanford University., 1–5. http://cs229.stanford.edu/proj2013/CS229-ProjectReport-ChiragSangani-SentimentAnalysisOfAppStoreReviews.pdf
Setiawan, R. (2016). Penerapan Data Mining Menggunakan Algoritma K-Means Clustering Untuk Menentukan Strategi Promosi Mahasiswa Baru ( Studi Kasus : Politeknik Lp3i Jakarta ). J. Lentera Ict, 3(1), 76–92.
Yudi Agusta. (2007). K-Means – Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem Dan Informatika, 3(Februari)
DOI: https://doi.org/10.31294/bi.v8i2.8191
DOI (PDF): https://doi.org/10.31294/bi.v8i2.8191.g4425
ISSN: 2338-9761
