Pendeteksian Overspesification Pada Dokumen Spesifikasi Kebutuhan Perangkat Lunak

Welly Purnomo, Daniel Oranova Siahaan

Abstract


Pengembangan perangkat lunak diawali dengan proses yang sangat penting yaitu memahami dan menentukan seperti apa perangkat lunak yang nantinya akan dibangun yang ditulis ke dalam sebuah dokumen Spesifikasi Kebutuhan Perangkat Lunak (SKPL). Meyer’s “The Seven Sins of Specifier” menjelaskan hal-hal yang harus dihindari dalam menyusun SKPL. Salah satunya adalah overspecification. Overspecification terjadi ketika dalam dokumen spesifikasi terdapat elemen yang tidak terkait pada fitur permasalahan melainkan terkait pada kemungkinan solusi permasalahan. Penelitian ini mengajukan sebuah metode untuk mendeteksi adanya overspecification pada dokumen SKPL dengan membangun sebuah text classifier berbasis decision tree memanfaatkan kakas bantu pengolahan bahasa alami. Dari hasil pengujian dan evaluasi didapatkan nilai Kappa 0,8872 pada threshold 0,0. Ini berarti bahwa solusi yang diajukan bekerja dengan baik dan dapat digunakan untuk mendeteksi adanya overspecification pada dokumen spesifikasi kebutuhan perangkat lunak dengan nilai Kappa 0,8872 atau proporsi kesepakatan antara solusi yang diajukan dengan anotator adalah almost perfect agreement.

Full Text:

PDF (Indonesian)

References


Bourque, P., & Fairley, R. E. (2014). Guide to the Software Engineering - Body of Knowledge. IEEE Computer Society. IEEE Computer Society Press; 3 edition (January 17, 2014)

Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (2009). "The WEKA data mining software". SIGKDD Explorations Newsletter, 11(1), 10.

Hotho, A., Nrnberger, A., & Paa, G. (2005). "A Brief Survey of Text Mining". LDV Forum - GLDV Journal for Computational Linguistics and Language Technology, 20, 1962.

Hussain, I. (2007). Using text classification to automate ambiguity detection in SRS documents. Concordia University.

Hussain, I., Ormandjieva, O., & Kosseim, L. (2007). "Automatic quality assessment of SRS text by means of a decision-tree-based text classifier". Proceedings - International Conference on Quality Software, 209218.

Klein, D., & Manning, C. D. L. B. procacl. 41. 2003. 42. (2003). "Accurate Unlexicalized Parsing". Proceedings of the 41st Meeting of the ACL.

Manning, C. D., Bauer, J., Finkel, J., Bethard, S. J., Surdeanu, M., & McClosky, D. (2014). "The Stanford CoreNLP Natural Language Processing Toolkit". Proceedings of 52nd Annual Meeting of the Association for Computational Linguistics: System Demonstrations, 5560.

Meyer, B. (1985). "On Formalism in Specification". IEEE Software, 2(1), 626.

Quinlan, J. R. (1992). C4.5: Programs for Machine Learning. Morgan Kaufmann San Mateo California (Vol. 1).

Salzberg, S. L. (1994). "Book Review: C4. 5: programs for machine learning". Machine Learning, 240, 302.

Siahaan, D. (2012). Analisa Kebutuhan Dalam Rekayasa Perangkat Lunak (ed. I). Yogyakarta: Penerbit ANDI.

Sommerville, I. (2010). Software Engineering (9th ed.). AddisonWesley.

Viera, A. J., & Garrett, J. M. (2005). "Understanding interobserver agreement: The kappa statistic". Family Medicine, 37(5), 360363.

Wiebe, J., Wilson, T., Bruce, R., Bell, M., & Martin, M. (2004). "Learning Subjective Language". Computational Linguistics, 30(3), 277308.


DOI http://dx.doi.org/10.35585/inspir.v7i1.2431
Abstract 654 kali dilihat
PDF (Indonesian) 492 kali diunduh

Refbacks

  • There are currently no refbacks.



Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.