Pendekatan Kesamaan Semantik Dan Struktur DalamKasus Penggunaan Untuk Mendapatkan Kembali

Spesifikasi Kebutuhan Perangkat LunakFerdika Bagus Pristiawan Permana

NRP 5114 201 030Dosen Pembimbing

Daniel Oranova Siahaan, S.Kom, M.Sc., P.D.Eng

BIDANG KEAHLIAN REKAYASA PERANGKAT LUNAK

Latar Belakang Permasalahan

Persaingan yang ketat diantara para pengembang software di industri pengembangan software.• Mencari cara untuk mengurangi biaya produksi dan waktu proses pengembangan

software.

Keuntungan• Harga software menjadi lebih murah• Meningkatkan kualitas software • Memperoleh keuntungan lebih di pasar software

• Persaingan harga• Kecepatan proses produksi.

7/25/2016 Tesis 2

Solusi yang diusulkan

• Software Reuse• C. Mcclure, Software reuse techniques, 1 ed, Prentice Hall, 1997• C. W. Krueger, "Software reuse," ACM Computing Surveys, vol. 24, pp. 131-

183, 1992

• Software Requirement Reuse• Penggunaan kembali dokumen spesifikasi perangkat lunak berdasar

kesamaan dalam deskripsi kasus penggunaan.• Tidak mengulangi atau membuat spesifikasi kebutuhan yang sama dan sudah

ada sebelumnya

7/25/2016 Tesis 3

Penelitian sebelumnyaterkait software reuse pada Use Case

• Penggunaan kembali diagram kasus penggunaan dengan metodeCase-Based Reasoning (CBR)

• Srisura, B., & Daengdej, J. (2010). Retrieving Use Case Diagram With Case-based Reasoning Approach. Journal of Theoretical and Applied Information Technology, 19(2), 68-78

• Penggunaan kembali dokumen SKPL dalam bentuk deskripsi kasuspenggunaan (software requirements specification retrieval) melaluiperhitungan kesamaan struktur deskripsi use case

• Udomchaiporn, A., Prompoon, N., & Kanongchaiyos, P. (2006). Software Requirements Retrieval Using Use Case Terms and Structure Similarity Computation. Kanpur: XIII Asia Pasific Software Engineering Conference.

7/25/2016 Tesis 4

Ilustrasi Penggunaan Kembali Dokumen SpesifikasiPerangkat Lunak

Pakar/Analyst

Repositori Deskripsi

Kasus Penggunaan

Pre-proses

Ekstraksi Kata

Dokumen 1Kueri Deskripsi

Kasus Penggunaan

Pre-proses

Ekstraksi Kata Pembentukan Vektor Leksikal Semantik

HitungCosine Similarity

Dokumen terurut

Kumpulan Dokumen SKPL

7/25/2016 Tesis 5

Metode yang diusulkan

Pre-proses kedua kata, frase atau kalimat

Ekstraksi Kata

Pembentukan VektorLeksikal Semantik

Menghitung Cosine Similarity

7/25/2016 Tesis 6

• Pre-proses• Mentransformasi kalimat ke dalam

bag-of-word atau tokenisasi

• Ekstraksi Kata • Proses pelabelan kata (POS

Tagging) sesuai jenis kata

• Pembentukan Vektor• Vektor Leksikal Semantik• Kesamaan Semantik (Wu &

Palmer, 1994) Wordnet.

• Menghitung Cosine Similarity• Perankingan berdasar nilai

threshold

Kueri Repo

Dok. 1

Perankingan

Deskripsi Kasus Penggunaan

7/25/2016 Tesis 7

Hasil Pengujian dan Analisis

3 Skenario Pengujian• 20 kueri untuk menentukan

threshold ideal – dataset heterogen• Kombinasi struktur kasus

penggunaan pada masukan kueri• Uji metode semantik v non-semantik

Analisis & Evaluasi• Koefisien Kappa• Kesepakatan justifikasi antara Sistem

dengan Pakar

7/25/2016 Tesis 8

Variabel Kontrol Pengujian

Koleksi Deskripsi Kasus Penggunaan

• Total kasus penggunaan yang dapat diambil sebagai dataset sejumlah 103 kasus penggunaan dari 14 sistem aplikasi.

Pengguna atau Pakar • 2 Mahasiswa Pasca Sarjana IF Bidang RPL

Proses Pencarian• Dataset homogen• Dataset heterogen

Kueri Kasus Penggunaan

• 20 Kueri untuk menentukan threshold• Non-semantik v Semantik• Kueri berdasar Kombinasi Struktur Kasus Penggunaan yg

berbeda

7/25/2016 Tesis 9

Hasil Pengujian Skenario Pertama (1)

7/25/2016 Tesis 10

Tujuan pengujian:Untuk mencari nilai threshold yang ideal dengan cara mengukur kesepakatan antara hasil yang didapatoleh sistem dengan penilaian pakar menggunakan indeks kappa.

Hasil Pengujian:Rata-rata indeks kappa tertinggi pada threshold antara 0.1 – 0.9 didapat sebesar 0.962 pada T=0.9.

Hasil Pengujian Skenario Pertama (2)

7/25/2016 Tesis 11

Hasil pengujian:Rata-rata indeks kappa tertinggi pada threshold antara 0.90 – 0.98 didapat sebesar 0.971 pada T=0.98.

Hasil Pengujian Skenario Kedua

7/25/2016 Tesis 12

Pengaruh kombinasi struktur deskripsi Kasus PenggunaanSemakin lengkap masukan kueri deskripsi kasus penggunaan yang dimasukkan, hasil yang didapatkansemakin akurat.

Hasil Pengujian Skenario Ketiga (1)Semantik dan Non-semantik

7/25/2016 Tesis 13

Kueri Masukan :Use case name: “Pick Gun”

Hasil Pengujian Skenario Ketiga(2)Semantik dan Non-semantik

7/25/2016 Tesis 14

Kueri Masukan :Use case name: “Get Coin”

Kesimpulan• Secara keseluruhan metode dengan mempertimbangkan arti

semantik mempunyai nilai koefisien kappa rata-rata sebagai berikut:• Pengujian pada skala rentang 0.1-0.9 didapatkan rata-rata nilai kappa tertinggi

0.962 pada nilai threshold 0.9.• Sedangkan pengujian pada skala rentang 0.9-0.98 didapatkan rata-rata nilai

kappa tertinggi 0.971 pada nilai threshold 0.98.

• Semakin lengkap masukan kueri (struktur deskripsi kasuspenggunaan) yang dimasukkan, hasil yang didapatkan akan semakinakurat.

• Penggunaan aspek semantik memberikan hasil kueri yang lebih akuratdan relevan dibanding dengan cara pencocokan kata biasa atau non-semantik (String-based similarity)

7/25/2016 Tesis 15

Saran• Untuk meningkatkan akurasi, presisi hasil dan efektifitas proses perhitungan

similarity, perlu diuji coba lebih lanjut kombinasi jenis kata apa yang perludibandingkan.

• Noun saja atau Verb saja• Noun dan Verb saja• Adjective,Modal• Dan kombinasi jenis kata yang lainnya

7/25/2016 Tesis 16

Terima KasihQ & A