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.

[img] 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: 27 Jan 2022 05:39
URI: https://repository.its.ac.id/id/eprint/92518

Actions (login required)

View Item View Item