Pemodelan Prioritas Kebutuhan Berdasarkan Hasil Perankingan Fuzzy Moscow Menggunakan Text Mining

Abstract

Software Requirement Engineering merupakan salah satu tahapan penting untuk memberikan gambaran yang jelas dalam menerjemahkan persyaratan yang tidak jelas dan tidak lengkap menjadi spesifikasi yang jelas, lengkap dan lebih terstruktur. Dalam Software Requirement Engineering, terdapat proses Software Requirement Priotitization (SRP) yang dikenal sebagai proses pengambilan keputusan multikriteria (MCDM) yang bertujuan menentukan urutan prioritas software requirements berdasarkan beberapa kriteria. Mengingat semua persyaratan kebutuhan tidak sepenuhnya diimplementasi karena terbatasnya sumberdaya, anggaran, kemampuan tim, dan sebagainya, maka kualitas dalam pengembangan perangkat lunak yang sukses bergantung pada pemilihan requirement yang diberikan prioritas berdasarkan aspek prioritas utama. Ada berbagai macam teknik requirement priotitization, salah satunya adalah Fuzzy Moscow yang merupakan metode kolaboratif dengan menghasilkan empat kategori utama dalam menentukan prioritas kebutuhan, diantaranya: (a) “Must Have” (Mo), (b) “Should Have” (S), (c) “Could Have” (Co), dan (d) “Won’t Have” (Wo) dengan mempertimbangkan nilai bobot Triangular Fuzzy Number (TFN) untuk proses pengambilan keputusan terhadap pemilihan setiap requirement yang diberikan prioritas. Seiring meningkatnya jumlah requirement dengan kompleksitas yang beragam, maka rentan terjadi konflik seperti banyaknya intervensi dari pemangku kepentingan yang memiliki tanggung jawab berbeda, ketergantungan, inkonsistensi, ambiguitas, ketidaklengkapan, dan ketidakakuratan bahasa. Faktorfaktor inilah yang kemudian membuat teknik Software Requirement Priotitization (SRP) menjadi lebih banyak memakan waktu, rentan mengalami kesalahan dan menjadi tantangan besar dalam menganalisis fitur-fitur yang ada dalam sejumlah requirement dengan jumlah dan volume yang besar. Penelitian ini menggunakan dokumen teks daftar prioritas kebutuhan yang didapatkan dari hasil perangkingan Fuzzy Moscow sebagai objek yang akan dimodelkan. Mengingat klasifikasi teks dokumen daftar kebutuhan ini sebelumnya dilakukan secara manual menggunakan teknik Fuzzy Moscow dengan keterbatasan dalam menganalisis fitur-fitur yang ada pada sejumlah requirement dalam jumlah dan volume yang besar, maka dibutuhkan penelitian yang menghasilkan pemodelan prioritas kebutuhan secara otomatis menggunakan konsep text mining dengan metode klasifikasi multinomial naïve bayes. Dalam penelitian ini akan dibuat sebanyak lima pemodelan berdasarkan Bag of All Word, Noun, Verb, Adjective, Adjective & Noun yang nantinya akan diukur serta dilakukan perbandingan nilai akurasi dari setiap pemodelan yang dibuat untuk mengetahui pemodelan text document classification dengan performa terbaik.