MultiPhiLDA Untuk Deteksi Kebutuhan Perangkat Lunak Yang Tidak Relevan

Darnoto, Brian Rizqi Paradisiaca (2022) MultiPhiLDA Untuk Deteksi Kebutuhan Perangkat Lunak Yang Tidak Relevan. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6025201016-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2024. Download (2MB) | Request a copy

Abstract

SKPL bisa dikatakan baik jika memiliki karateristik yang baik, jelas (tidak
ambigu), lengkap, konsisten, stabil, dapat diverifikasi, dapat dimodifikasi, dan
dapat dilacak. Namun dibandingkan dengan bahasa formal, proses spesifikasi
kebutuhan perangkat lunak yang menggunakan bahasa natural memiliki beberapa
kelemahan. Kelemahan ini disebabkan oleh tujuh kesalahan umum yang
didefinisikan sebagai "The Seven Sins of Specifier". Derau adalah salah satu dari
the seven sins of specifier. Derau dibagi menjadi dua jenis, yaitu kebutuhan yang
tidak relevan dan pernyataan non-requirement. Derau akan muncul ketika
pengembang perangkat lunak menambahkan beberapa informasi yang tidak relevan
ke requirement perangkat lunak secara keseluruhan. Derau penting untuk dideteksi
agar pada SKPL tidak terdapat pernyataan kebutuhan yang tidak relevan. Penelitian
sebelumnya mendeteksi derau pada dokumen SKPL namun hasilnya kurang
maksimal karena tidak bisa membedakan antara aktor dan aksi pada pernyataan
kebutuhan. Aktor dan aksi memiliki peranan penting pada pernyataan kebutuhan
karena pada pernyataan kebutuhan, aktor dan aksi bisa menjelaskan inti dari
pernyataan kebutuhan.
Penelitian ini mengusulkan modifikasi LDA dengan nama MultiPhiLDA.
MultiPhiLDA mendeteksi pernyataan kebutuhan yang tidak relevan pada SKPL.
Untuk mendeteksi pernyataan kebutuhan yang tidak relevan pada SKPL,
MultiPhiLDA akan mengidentifikasi SKPL untuk menemukan aktor dan aksi.
Menggunakan POS Tagging untuk mengidentifikasi aktor dan aksi. Setelah
memiliki aktor dan aksi, membuat 2 model untuk distribusi kata pada topik yang
terdiri dari kata yang mengandung aktor dan aksi. Setelah memiliki 2 model
tersebut dilakukan penggabungan menjadi model utama. Setelah mempunyai model
utama dilakukan visualisasi menggunakan diagram agar mengetahui topik mana
yang mengandung pernyataan kebutuhan tidak relevan.
Hasil dari metode MultiPhiLDA ini menunjukkan nilai sensitivity dan
specificity masing-masing sebesar 100% dan 83%. Metode MultiPhiLDA
dibandingkan dengan penelitian sebelumnya, hasilnya metode MultiPhiLDA lebih
baik dalam mendeteksi pernyataan kebutuhan yang tidak relevan.
================================================================================================
Software Requirement Specificiation (SRS) can be said to be good if it has
the following characteristics, clear (unambiguous), complete, consistent, stable,
verifiable, modifiable, and traceable. But compared to formal languages, the
process of specifications of software needs that use natural language has some
drawbacks. This weakness is caused by seven common errors defined as "The
Seven Sins of Specifier". Noise is one of the seven sins of specifier. Noise is divided
into two types, namely irrelevant needs and nonrequirement statements. Noise will
appear when a software developer adds some irrelevant information to the overall
software requirement. It is important to detect noise so that in the SKPL there are
no irrelevant requirements statements. There are studies that detect noise in SRS
but the results are less than maximum because they can not distinguish between
actors and actions on the statement of need. Actors and actions have an important
role in the requirement statements because in the statement of needs, actors and
actions can explain the essence of the requirement statements.
This study proposes modification of LDA under the name MultiPhiLDA.
MultiPhiLDA detects irrelevant requirement statements on SRS. To detect
irrelevant requirement statements on SKPL, MultiPhiLDA will identify SKPL to
find actors and actions. Use POS Tagging to identify actors and actions. Once you
have actors and actions, create 2 models for word distribution on topics consisting
of words containing actors and actions. After having the 2 models are done merging
into the main model. Once you have the main model, you can visualize using
diagrams to find out which topics contain irrelevant statements of need.
The results of this proposed method show sensitivity and specificity values
of 100% and 83%. MultiPhiLDA method is compared with previous research, the
result is that the MultiPhiLDA method is better at detecting irrelevant requirement
statements.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Aksi, Aktor, Derau, Latent Dirichlet Allocation, MultiPhiLDA, Pernyataan Kebutuhan Tidak Relevan, Irrelevant Requirement
Subjects:	Q Science > QA Mathematics > QA76.758 Software engineering
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	BRIAN RIZQI PARADISIACA DARNOTO
Date Deposited:	27 Jan 2022 05:37
Last Modified:	31 Oct 2022 02:44
URI:	http://repository.its.ac.id/id/eprint/92518

Actions (login required)

View Item