Hakim, Lukman (2019) Pembobotan Kata Menggunakan Metode Hirst & S-Onge untuk Klasifikasi Kebutuhan Non-Fungsional berbasis ISO/IEC 25010. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05111750010004-Master Thesis.pdf Download (1MB) | Preview |
Abstract
Aspek kualitas kebutuhan non-fungsional merupakan salah satu faktor penting yang berperan dalam kesuksesan pengembangan perangkat lunak. Aspek kualitas kebutuhan non-fungsional yang telah diketahui sejak tahap awal analisa kebutuhan diharapkan dapat meminimalisir hal-hal yang tidak diinginkan ketika produk perangkat lunak sudah dibuat. Namun, mengidentifikasi aspek kualitas kebutuhan non-fungsional merupakan hal yang sulit untuk dilakukan. Karena aspek kualitas kebutuhan non-fungsional sering ditemukan tidak lengkap, tersembunyi, dan tercampur di dalam kalimat-kalimat kebutuhan lain pada dokumen. Oleh karena itu dibutuhkan suatu cara untuk dapat mengidentifikasi aspek kualitas kebutuhan non-fungsional.
Penelitian yang ada telah mampu mengidentifikasi kebutuhan non-fungsional dengan menggunakan metode klasifikasi multi-label. Salah satunya adalah metode FSKKN dengan penambahan variabel semantik yang disebut semantik-FSKNN. Penambahan variabel tersebut membuat data yang dibentuk untuk pola pelatihan tersaring lebih ketat sehingga membuat kinerja klasifikasi lebih kecil dibandingkan metode FSKNN. Disamping itu standar kualitas yang digunakan tidak cocok untuk mengukur kualitas perangkat lunak. Oleh karena itu, penelitian ini mengusulkan pengukuran semantik antar term-term relevan setiap aspek kualitas dengan term-term pada dokumen yang akan dilabeli berbasis ISO/IEC 25010:2011. Proses pengukuran semantik dilakukan dengan menggunakan metode HSO. Metode HSO dipilih karena mampu mengukur keterkaitan semantik antara dua kata yang berbeda jenis katanya seperti noun dan verb. Sedangkan ISO/IEC 25010 dipilih sebagai acuan karena merupakan peningkatan dari ISO/IEC 9126.
Dari pengujian yang telah dilakukan dengan menggunakan dataset voip dan geolocation diketahui bahwa klasifikasi menggunakan metode FSKNN dengan pengembangan term sebanyak 1 level hipernim dan 20 sinonim dengan mempertimbangakan keterkaitan semantik dapat meningkatkan performa klasifikasi. Hal ini ditunjukan dengan nilai accuracy, precision, recall dan F1 terbaik sebesar 97.10%, 25.05%, 21.35%, dan 14.73%.
==================================================================================
The quality aspect of non-functional requirements is one of the important factors that play a role in the success of software development. The quality aspects of non-functional requirements that have been known from the initial stage of requirements analysis are expected to minimize unwanted things when software products have been created. However, identifying aspects of quality of non-functional requirements is a difficult thing to do. Because the quality aspect of non-functional requirements is often found incomplete, hidden, and mixed in the sentences of other requirements in the document. Therefore we need a way to be able to identify aspects of the quality of non-functional requirements.
Existing research has been able to identify non-functional requirements using the multi-label classification method. One of them is the FSKKN method with the addition of semantic variables called semantics-FSKNN. The addition of these variables makes the data formed for the training pattern filtered tighter so as to make classification performance smaller than the FSKNN method. Besides that, the quality standards used are not suitable for measuring software quality. Therefore, this study proposes semantic measurement between relevant terms of each quality aspect with the terms of the document to be labeled based on ISO / IEC 25010:2011. The semantic measurement process is carried out using the HSO method. The HSO method was chosen because it was able to measure semantic linkages between two words of different types of words such as noun and verb. Whereas ISO / IEC 25010 was chosen as a reference because it is an increase from ISO / IEC 9126.
From the testing that has been performed using VoIP datasets and geolocation, it is known that the classification using the FSKNN method with the term development is 1 hypernym level and 20 synonyms by considering the semantic linkages can improve classification performance. This is indicated by the best accuracy, precision, recall and F1 values of 97.10%, 25.05%, 21.35%, and 14.73%.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTIf 005.1 Hak p-1 2019 |
| Uncontrolled Keywords: | non-functional, iso/iec 25010, hypernim, hso, classification, fsknn. |
| Subjects: | T Technology > T Technology (General) T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing |
| Divisions: | Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis |
| Depositing User: | LUKMAN HAKIM |
| Date Deposited: | 28 May 2021 09:22 |
| Last Modified: | 28 May 2021 09:22 |
| URI: | http://repository.its.ac.id/id/eprint/60224 |
Actions (login required)
 |
View Item |