Analisis Ambiguitas pada Software Requirement Specification (SRS) Menggunakan Natural Language Processing (NLP)

Abstract

Kekurangan dalam kualitas Software Requirement Specification (SRS) sering kali menjadi penyebab masalah dalam pengembangan perangkat lunak, menyebabkan peningkatan waktu dan biaya serta kegagalan operasional. Ambiguitas dalam SRS merupakan faktor utama yang memperparah situasi ini. Tujuan penelitian ini adalah untuk memeriksa ambiguitas dalam SRS menggunakan Natural Language Processing (NLP). Metode yang digunakan mencakup penggunaan algoritma SpanBERT untuk mengidentifikasi Vague Pronouns, dan algoritma NLP sederhana untuk menemukan Ambiguous Adjective & Adverb, serta Comparative Phrase. Hasil studi menunjukkan bahwa ambiguitas paling sering terjadi dalam kategori Adjective & Adverb, diikuti oleh Vague Pronouns dan Comparative Phrase. Sebagian besar kebutuhan hanya mengandung satu jenis ambiguitas, dengan Ambiguous Adjective & Adverb menjadi yang paling umum. Requirement non-functional cenderung memiliki tingkat ambiguitas yang lebih tinggi dibandingkan yang functional. Penggunaan kata-kata seperti "Shall", "Will", dan "Should" juga cenderung menyebabkan ambiguitas. Meskipun terjadi sedikit penurunan dalam beberapa jenis ambiguitas antara tahun 2022 dan 2023, ambiguitas dalam penggunaan Adjective & Adverb masih menjadi yang paling dominan. Dalam kesimpulannya, penelitian ini menegaskan bahwa ambiguitas masih merupakan masalah umum dalam SRS. Pendekatan NLP dapat membantu dalam mengidentifikasi ambiguitas, sehingga dapat meneliti kualitas SRS.