Aplikasi Penilaian Atribut Kualitas Perangkat Lunak Berdasarkan Sentimen Pada User Review Menggunakan Support Vector Machine

Dirgantara, Syaiful Bahri (2024) Aplikasi Penilaian Atribut Kualitas Perangkat Lunak Berdasarkan Sentimen Pada User Review Menggunakan Support Vector Machine. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025201203-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (7MB) | Request a copy

Abstract

Kualitas perangkat lunak saat ini sangat penting untuk dikembangkan, mengingat persaingan industri teknologi yang meningkat dan permintaan pasar yang semakin beragam. Kualitas perangkat lunak sangat penting karena mempengaruhi kepuasan pengguna, keamanan data, dan keberlanjutan operasional. Saat ini terdapat standar kualitas perangkat lunak yang mencakup aspek secara luas dan terperinci. Standar ISO/IEC 25010 menyediakan kerangka kerja yang komprehensif untuk mengevaluasi berbagai atribut kualitas perangkat lunak secara sistematis. Tugas Akhir ini secara khusus menyoroti tiga atribut utama, yaitu Performance Efficiency, Security, dan Reliability, yang merupakan aspek-aspek kritis dalam menentukan keseluruhan kualitas dan keandalan perangkat lunak.
Kualitas perangkat lunak harus terus ditingkatkan untuk memenuhi permintaan pasar. Selama ini penilaian kualitas perangkat lunak masih dilakukan secara manual. Seiring dengan meningkatnya kompleksitas dan skala perangkat lunak, penilaian kualitas secara manual menjadi semakin sulit dan tidak efisien. Penilaian kualitas perangkat lunak secara manual rentan terhadap kesalahan manusia, memakan waktu lama, dan kurang konsisten. Untuk mengatasi kelemahan ini, pembelajaran mesin diusulkan sebagai solusi. Sejauh ini pembelajaran mesin yang digunakan untuk menilai kualitas perangkat lunak belum diimplementasikan dalam aplikasi. Penelitian ini dilakukan untuk menerapkan pembelajaran mesin dalam menilai kualitas perangkat lunak dan mengintegrasikannya ke dalam sebuah aplikasi, sehingga memudahkan pengguna dalam melakukan evaluasi menggunakan ulasan pengguna terhadap perangkat lunaknya. Proses penelitian ini mencakup pengumpulan data, pelabelan data oleh anotator yang divalidasi oleh pakar, pemrosesan data, penggunaan model Support Vector Machine (SVM) untuk klasifikasi, dan pengembangan aplikasi yang mengintegrasikan model pembelajaran mesin.
Evaluasi model pembelajaran mesin yang telah dilakukan memperoleh nilai akurasi 0.92, presision 0.89, recall 0.92, dan F1-score 0.91. Nilai evaluasi metrik ini menunjukkan bahwa model pembelajaran mesin dinilai baik. Model pembelajaran mesin melakukan analisis sentimen sehingga bisa digunakan untuk menilai kualitas perangkat lunak. Aplikasi penilaian kualitas perangkat lunak juga telah berhasil dikembangkan dan telah lulus uji fungsionalitas untuk menilai kualitas perangkat lunak.

============================================================

The quality of software is currently very important to develop, considering the increasing competition in the technology industry and increasingly diverse market demands. Software quality is very important because it affects user satisfaction, data security, and operational sustainability. Currently there are software quality standards that cover broad and detailed aspects. The ISO/IEC 25010 standard provides a comprehensive framework for systematically evaluating various software quality attributes. This Final Project specifically highlights three main attributes, namely Performance Efficiency, Security, and Reliability, which are critical aspects in determining the overall quality and reliability of software.
Software quality must continue to be improved to meet market demand. So far, software quality assessment is still done manually. As software complexity and scale increases, manual quality assessment becomes increasingly difficult and inefficient. Manual software quality assessment is prone to human error, takes a long time, and lacks consistency. To overcome this drawback, machine learning is proposed as a solution. So far machine learning used to assess software quality has not been implemented in applications. This research was conducted to apply machine learning to assess software quality and integrate it into an application, making it easier for users to carry out evaluations using user reviews of his software. This research process includes data collection, data labeling by expert-validated annotators, data processing, use of Support Vector Machine (SVM) models for classification, and application development that integrates machine learning models.
The machine learning model evaluation that was carried out obtained an accuracy value of 0.92, precision 0.89, recall 0.92, and F1-score 0.91. The evaluation value of this metric shows that the machine learning model is considered good. Machine learning models perform sentiment analysis so they can be used to assess software quality. The software quality assessment application has also been successfully developed and has passed the functionality test to assess software quality.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Kualitas Perangkat Lunak, ISO/IEC 25010, Support Vector Machine, Performance Efficiency, Security, Reliability, Software Quality
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Syaiful Bahri Dirgantara
Date Deposited:	02 Aug 2024 05:58
Last Modified:	02 Aug 2024 05:58
URI:	http://repository.its.ac.id/id/eprint/111776

Actions (login required)

View Item