Pendeteksian Ketidaklengkapan Kebutuhan Dengan Teknik Klasifikasi Pada Dokumen Spesifikasi Kebutuhan Perangkat Lunak

Suci Nurfauziah

Abstract


Dokumen Spesifikasi Kebutuhan Perangkat Lunak (SKPL) dihasilkan dari proses rekayasa kebutuhan dan merupakan tahapan yang kritis pada pengembangan perangkat lunak. Kesalahan yang terjadi pada proses rekayasa kebutuhan akan mempengaruhi ketidakberhasilan produk tersebut. Dokumen SKPL sering kali ditulis dengan bahasa alamiah. Salah satu karakteristik spesifikasi kebutuhan yang baik adalah lengkap. Kualitas spesifikasi kebutuhan bisa dinilai berdasarkan pernyataan kebutuhan atau dokumen kebutuhan. Spesifikasi kebutuhan yang lengkap secara jelas mendefinisikan semua situasi yang dihadapi sistem dan dapat dipahami tanpa melibatkan atau terkait pada kebutuhan lain. Penelitian ini bertujuan untuk membangun model klasifikasi pendeteksian ketidaklengkapan kebutuhan pada dokumen spesifikasi kebutuhan perangkat lunak yang ditulis dengan bahasa alamiah. Penelitian ini membuat corpus kebutuhan yang berisi pernyataan kebutuhan lengkap dan pernyataan kebutuhan tidak lengkap. Corpus ditulis secara manual oleh tiga orang ahli. Dari Corpus akan dilakukan ekstraksi fitur, pemilihan fitur yang valid, dan pembangkitan kata kunci.  Nilai performansi Gwet’s AC1 digunakan untuk mengetahui apakah classifier yang dibangun dapat diandalkan dan dapat mendeteksi adanya ketidaklengkapan pada dokumen spesifikasi kebutuhan perangkat lunak.

Berdasarkan hasil ujicoba dengan menggunakan kombinasi metode adaboost dan C4.5 diperoleh rata-rata indek kesepakatan pada level moderate dengan nilai tertinggi 0.52 pada saat penggunaan enam fitur teratas. Enam fitur teratas yang paling berpengaruh antara lain bad_jj, bad_rb, jml_kt_penegasan, jml_kt_penghubung, bad_prp dan jml_kt_negatif.


Keywords


Klasifikasi Teks, Pemrosesan Bahasa Alami, Spesifikasi Kebutuhan Perangkat Lunak, Kelengkapan.

Full Text:

PDF

References


DAFTAR PUSTAKA

R. Pressman, Rekayasa Perangkat Lunak, 7th ed. Yogyakarta: Andi, 2012.

I. Hussain, O. Ormandjieva, and L. Kosseim, “Automatic quality assessment of SRS text by means of a decision-tree-based text classifier,” in Proceedings - International Conference on Quality Software, 2007, no. Qsic, pp. 209–218.

N. Kiyavitskaya, N. Zeni, L. Mich, and D. M. Berry, “Requirements for tools for ambiguity identification and measurement in natural language requirements specifications,” Requir. Eng., vol. 13, no. 3, pp. 207–239, 2008.

D. Popescu, S. Rugaber, N. Medvidovic, and D. M. Berry, “Reducing ambiguities in requirements specifications via automatically created object-oriented models,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 5320 LNCS, pp. 103–124, 2008.

T. C. de Sousa, J. R. Almeida, S. Viana, and J. Pavón, “Automatic analysis of requirements consistency with the B method,” ACM SIGSOFT Softw. Eng. Notes, vol. 35, no. 2, p. 1, 2010.

A. Sardinha, R. Chitchyan, N. Weston, P. Greenwood, and A. Rashid, “EA-Analyzer: Automating conflict detection in a large set of textual aspect-oriented requirements,” Autom. Softw. Eng., vol. 20, no. 1, pp. 111–135, 2013.

E. Parra, C. Dimou, J. Llorens, V. Moreno, and A. Fraga, “A methodology for the classification of quality of requirements using machine learning techniques,” Inf. Softw. Technol., vol. 67, pp. 180–195, 2015.

C. Gralha, J. Araújo, and M. Goulão, “Metrics for measuring complexity and completeness for social goal models,” Inf. Syst., vol. 53, pp. 346–362, 2015.

G. Genova, J. M. Fuentes, J. Llorens, O. Hurtado, and V. Moreno, “A framework to measure and improve the quality of textual requirements,” Requir. Eng., vol. 18, no. 1, pp. 25–41, 2013.

I. Hussain, “Tesis-Using text classification to automate ambiguity detection in SRS documents.pdf,” Concordia University, 2007.

F. Fabbrini, M. Fusani, S. Gnesi, and G. Lami, “Quality evaluation of software requirement specifications,” Proc. Softw. Internet Qual. Week 2000 Conf., pp. 1–18, 2000.

R. W. G. INCOSE, “Guide for Writing Requirements,” 2015.

D. Firesmith, “Are Your Requirements Complete ?,” vol. 4, no. 1, pp. 27–43, 2005.

L. Rokach, “Ensemble Methods in Supervised Learning,” in Data Mining and Knowledge Discovery Handbook, 2005, pp. 959–975.

S. Pramanik, U. N. Chowdhury, B. K. Pramanik, and N. Huda, “A Comparative Study of Bagging , Boosting and C4 . 5 : The Recent Improvements in Decision Tree Learning Algorithm,” Asian J. Inf. Technol., no. June 2010, pp. 300–306, 2010.




DOI: https://doi.org/10.18860/mat.v9i2.4291

Refbacks

  • There are currently no refbacks.




Copyright (c) 2017 Suci Nurfauziah

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

The journal is indexed by :

Dimensions Sinta CrossRef GoogleScholar
Index Copernicus Moraref Portal Garuda

 

_______________________________________________________________________________________________________________

Editorial Office:
Informatics Engineering Department
Faculty of Science and Technology
Universitas Islam Negeri Maulana Malik Ibrahim Malang
Jalan Gajayana 50 Malang, Jawa Timur, Indonesia 65144
Email: matics@uin-malang.ac.id
_______________________________________________________________________________________________________________

Creative Commons License
This work is licensed under a CC-BY-NC-SA 4.0.
© All rights reserved 2015. MATICS , ISSN : 1978-161X | e-ISSN :  2477-2550