Deteksi Konflik Pada Kebutuhan Fungsional Menggunakan Text Mining Dan Algoritma Clustering

Kurnia, Amanda Rozi (2023) Deteksi Konflik Pada Kebutuhan Fungsional Menggunakan Text Mining Dan Algoritma Clustering. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111940000094-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (4MB) | Request a copy

Abstract

Kebutuhan fungsional merupakan pernyataan pelayanan sistem yang harus disediakan, bagaimana sistem bereaksi pada masukan, dan bagaimana perilaku sistem pada situasi tertentu. Kebutuhan fungsional harus dapat mengilustrasikan secara jelas fungsi dan fitur yang ada pada sistem. Namun demikian, pengumpulan data yang didapatkan dari berbagai pihak dengan latar belakang dan kepentingan yang beragam memungkinkan adanya perbedaan pemahaman terhadap apa yang disampaikan stakeholder dengan apa yang ditangkap oleh requirement engineers. Hal ini menyebabkan konflik antara kebutuhan satu dengan kebutuhan lainnya tidak bisa dihindari dan berisiko pada meningkatnya kegagalan proyek sehingga pendeteksian konflik kebutuhan fungsional di tahap awal pengembangan perangkat lunak menjadi hal yang penting. Tugas Akhir ini mengusulkan deteksi konflik kebutuhan fungsional menggunakan text mining dan algoritma clustering. Pengolahan data dilakukan menggunakan model BERT pada tahap feature engineering. Penentuan kalimat kebutuhan fungsional yang berpotensi konflik dilakukan dengan membandingkan hasil evaluasi internal dan eksternal tiga algoritma clustering, yaitu K-Means, Agglomerative, dan Mean Shift. Berdasarkan eksperimen dan analisis yang dilakukan, diperoleh hasil bahwa Agglomerative adalah model clustering yang memiliki hasil yang konsisten dan stabil pada berbagai dataset, dengan rata-rata accuracy 92.70%, recall 92.60%, precision 91%, dan f1-score 91.5%. Waktu komputasi yang efisien dan pembentukan cluster yang baik menjadi keunggulan dari model ini. Aplikasi web dikembangkan menggunakan Flask sebagai framework yang memudahkan integrasi dengan library dan model machine learning pada sisi backend. Hasil dari Tugas Akhir ini adalah aplikasi deteksi konflik yang dapat bermanfaat bagi praktisi dalam mendeteksi konflik kebutuhan fungsional untuk memperbesar peluang kesuksesan pada proyek pengembangan perangkat lunak.
=================================================================================================================================
Functional requirements are statements of system services that must be provided, how the system reacts to input, and how the system behaves in certain situations. Functional requirements must clearly illustrate the functions and features of the system. However, data collection obtained from various parties with diverse backgrounds and interests allows for differences in understanding of what is conveyed by stakeholder with what is captured by requirement engineers. This makes conflicts between one requirement and another inevitable and risks increasing project failure so the detection of functional requirement conflicts in the early stages of software development becomes important. This paper proposes functional requirement conflict detection using text mining and clustering algorithms. Data processing is done using the BERT model at the feature engineering stage. The determination of potentially conflicting functional requirement sentences is done by comparing the internal and external evaluation results of three clustering algorithms, namely K-Means, Agglomerative, and Mean Shift. Based on the experiments and analysis, it is found that Agglomerative is a clustering model that has consistent and stable results on various datasets, with an average accuracy of 92.70%, recall 92.60%, precision 91%, and f1-score 91.5%. Efficient computation time and good cluster formation are the advantages of this model. The web application was developed using Flask as a framework that facilitates integration with machine learning libraries and models on the backend. The result of this Final Project is a conflict detection application that can be useful for practitioners in detecting functional requirement conflicts to increase the chances of success in software development projects.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Algoritma Clustering, Aplikasi Web, Deteksi Konflik, Kebutuhan Fungsional, Text Mining
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Q Science > QA Mathematics > QA76.758 Software engineering Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Amanda Rozi Kurnia
Date Deposited:	20 Nov 2023 07:23
Last Modified:	20 Nov 2023 07:23
URI:	http://repository.its.ac.id/id/eprint/102037

Actions (login required)

View Item