Klasifikasi Kebutuhan Nonfungsional Perangkat Lunak Menggunakan Teknik Penyematan Kata Dan CNN Dari Ulasan Pengguna

Hidayat, Taufik (2022) Klasifikasi Kebutuhan Nonfungsional Perangkat Lunak Menggunakan Teknik Penyematan Kata Dan CNN Dari Ulasan Pengguna. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
05111950015004-Master_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 April 2024.

Download (2MB) | Request a copy

Abstract

Dokumentasi dan pemenuhan kebutuhan dari perangkat lunak merupakan aspek penting dalam mengukur kesuksesan sebuah tim dalam mengembangkan perangkat lunak. Dalam dunia rekayasa kebutuhan, dikenal dua jenis kebutuhan yaitu kebutuhan fungsional dan kebutuhan nonfungsional. Klasifikasi kebutuhan merupakan salah satu proses untuk membantu dokumentasi dan pemenuhan kebutuhan pada perangkat lunak. Untuk mengklasifikasikan kebutuhan, tim pengembang biasanya melakukannya melalui berbagai cara seperti survei, wawancara dan lain-lain. Seiring perkembangan zaman, kebutuhan juga dapat diperoleh dari ulasan pengguna dari sebuah produk, sehingga diperlukan pengembangan untuk mengklasifikasikan kebutuhan tersebut. Penelitian ini mengusulkan sebuah metode untuk melakukan klasifikasi kebutuhan nonfungsional perangkat lunak dari ulasan pengguna. Dataset yang berupa ulasan pengguna diolah dengan algoritma prapemrosesan teks, kemudian kata kunci yang berkaitan diekstraksi untuk meningkatkan hasil klasifikasi. Ulasan pengguna diklasifikasikan ke dalam beberapa kategori pada kebutuhan nonfungsional dengan membangun salah satu algoritma jaringan syaraf tiruan yaitu jaringan saraf konvolusi (CNN) yang ditambah dengan lapisan penyematan kata yang sudah terlatih. Penelitian ini berhasil mengekstraksi beberapa kata kunci dari ulasan pengguna, kata kunci meningkatkan sensitivitas pada sebagian besar algoritma klasifikasi yang digunakan. Metode diusulkan memiliki rata-rata akurasi 84,7%, presisi 59,4% dan recall 76,5%. ================================================================================================ Documentation and fulfillment of software requirement are important aspects in measuring the success of a team in developing software. In the field of requirement engineering, there are two types of requirements namely functional requirements and non-functional requirements. Classification requirements is one process to help documentation and fulfillment of software requirement. To classify requirements, the development team usually does it through various methods such as surveys, interviews and others. As the times age, requirements can also be obtained from user reviews of a product, so that development is needed to classify these requirements. This study proposes a method for classifying non-functional requirements of software from user reviews. The dataset in the form of user reviews is processed with a text pre-processing algorithm, then the related keywords are extracted to improve the classification results. User reviews are classified into several categories on non-functional requirements using one of the neural network algorithms namely convolutional neural network (CNN) and adding trained word embedding layer. This study managed to extract several keywords from user reviews, the extracted keywords improved the sensitivity of the most classification algorithm used. Our proposed method has an average accuracy of 84,7%, precision of 59,4%, and recall of 76,5%.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Convolutional Neural Network (CNN), Nonfunctional Requirement Classification, Word Embedding, Jaringan Saraf Konvolusi, Klasifikasi Kebutuhan Nonfungsional, Penyematan Kata.
Subjects: Q Science > Q Science (General) > Q325.5 Machine learning.
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User: Taufik Hidayat
Date Deposited: 08 Feb 2022 00:53
Last Modified: 08 Feb 2022 00:53
URI: https://repository.its.ac.id/id/eprint/93082

Actions (login required)

View Item View Item