Ringkasan dokumen tersebut adalah:
(1) Dokumen ini membahas pendekatan untuk memprioritaskan perbaikan perangkat lunak berdasarkan analisis umpan balik pengguna menggunakan teknik pemrosesan bahasa alami dan analisis hierarki proses;
(2) Metode ini mengekstrak kata kunci cacat dari umpan balik, menentukan faktor dampaknya, dan memprioritaskan cacat berdasarkan tingkat keparahan, prior
2. Bagaimana Cara Kerja Maintenance?
• Biasanya saat pengembang mendapatkan daftar cacat dari pengguna, tim
pengembang akan menentukan cacat mana yang harus diperbaiki terlebih
dahulu. Rencana perawatan perangkat lunak, yang terdiri dari daftar cacat
yang harus diperbaiki secara berurutan, sebagian besar dihasilkan dengan
menggunakan pengalaman pengembang untuk memprioritaskan mana yang
lebih cacat.
3. 3 Pusat Perhatian Untuk Melakukan
Maintenance
• Tingkat keparahan
• Prioritas
• Jumlah pengguna yang menemukan cacat yang sama
4. Cara Kerja Maintenance
• Menggunakan Natural Language Process (NLP) untuk menganalisis masukan
pengguna untuk mengekstrak kata kunci yang cacat.
• Proses menggunakan Analytical Hierarchy Process (AHP) untuk
memprioritaskan cacat mana yang harus diselesaikan.
• Memprioritaskan rencana perawatan perangkat lunak menggunakan AHP
adalah proses yang mengdapatkan hasil yang bisa dihandalkan dan relevan
dengan tujuan pengambilan keputusan.
• metode rencana perawatan perangkat lunak prioritas akan dievaluasi
5. pendekatan prioritas perangkat lunak dengan
analisis penggunaan umpan balik
• Klasifikasi kata kunci opini
• Analisis hubungan teks : - Text Relation Tree Construction
- Text relation extraction
• Analisis Prioritas Peringkat : - Impact factor determination
- Comparison of impact of each defect related
6. Klasifikasi kata kunci opini
• Proses untuk mengklasifikasikan masukan pengguna dari proses bahasa alami
untuk menentukan kualitas perangkat lunak itu.
• Kata kunci terkait diekstraksi dari kata sifat, kata kerja dan kata keterangan
yang menyajikan masalah pada umpan balik masing-masing pengguna dengan
menggunakan algoritma Part-Of-Speech Tagging (POS Tagging) untuk
mengidentifikasi tipe data apa.
• Penelitian ini menentukan tiga aspek kualitas perangkat lunak: kinerja,
keandalan dan kegunaan.
7. Analisis hubungan teks
• Proses untuk mengekstrak kata kunci yang cacat terkait dari umpan balik
pengguna.
• Konstruksi Pohon Hubungan Teks menyajikan sebuah proses untuk
membuat pohon dengan menggunakan algoritma tree gramatikal
• Terakhir yakni penentuan faktor dampak adalah proses untuk menetapkan
nilai setiap faktor dampak ke masing-masing kata kunci yang cacat
8. Text relation tree construction
• Pendekatan yang diusulkan menggunakan hubungan gramatikal untuk membangun sebuah
pohon dengan menentukan jangka waktu penandaan POS dan mengidentifikasi relasi yang
diberikan oleh open source POS format penandaan Stanford Parser.
• Proses pohon hubungan teks konstruksi menentukan dua simpul : - NKW (Kualitas)
- NRT (Cacat)
9. Text relation extraction
• Proses untuk mengekstrak hubungan masing-masing cacat terkait.
• Kata kunci yang cacat terkait dibangun dari konstruksi relasi teks yang terdiri
dari Nkw dan Nrt.
• Proses untuk mengetahui hubungan dimulai dari Nkw dengan level tertinggi
saat itu melintasi jalur dengan algoritma pencarian kedalaman-pertama untuk
menemukan Nrt (istilah obyektif)
10. Analisis Prioritas Peringkat
• Proses yang menentukan bagaimana caranya untuk memprioritaskan cacat yang harus
diperbaiki. Prosesnya akan menyelidiki keparahan, prioritas dan jumlah pengguna yang
menemukan cacat yang sama.
• Jumlah pengguna yang menemukan cacat yang sama dapat diperoleh dengan analisis
hubungan teks di bagian B.
• Pendekatan analisis prioritas prioritas akan menerapkan AHP algoritma untuk
memprioritaskan cacat berurutan. Prosesnya dibagi menjadi dua bagian.
• Bagian pertama adalah menentukan skor faktor dampak masing-masing kata kunci yang
cacat. Bagian kedua adalah untuk menghitung peringkat umpan balik pengguna berdasarkan
hasil dari 3 faktor dampak tersebut dihitung.
11. Impact factor determination
• Proses untuk menentukan nilai masing-masing faktor dampak terhadap setiap
kata kunci yang cacat.
• Faktor dampak disajikan pada Tabel I untuk menunjukkan nilai masing-
masing faktor dampak yang terdiri dari tingkat keparahan, prioritas dan
jumlah pengguna yang menemukan cacat yang sama (frekuensi) dan
menjelaskan bagaimana pemetaan nilai bekerja.
• Tingkat keparahannya diubah dari IEEE 1044 adalah nilai yang bisa diukur.
Nilai berkisar antara 1 sampai 5, 5 adalah nilai tertinggi.
12. Comparison of impact of each defect related
• Hubungan masing-masing pasangan yang cacat dibandingkan berdasarkan
tiga faktor yang dijelaskan pada bagian C.1. AHP hierarki seperti yang
ditunjukkan pada gambar
13. • Perbandingannya adalah dengan cara membuat matriks untuk
membandingkan setiap dampak cacat oleh sepasang 1-9 digit mewakili
dampaknya kriteria pembandingan dalam tabel II
14. • Matriks dibuat untuk membandingkan dampak masing-masing pasangan cacat,
berdasarkan nilai yang diperoleh dari pertimbangan faktor yang diberikan, dan
menentukan bobot dampak menurut metode AHP. Prosesnya akan
menghitung bobot dengan membandingkannya masing pasangan
memprioritaskan kebutuhan, dan jumlah masing-masing kolom dinormalisasi
menjadi 1. Prioritas dihitung dengan menggunakan persamaan 1.
15. Kesimpulan
• Kelebihan dari penelitian ini adalah hasil ranking dapat membantu tim
pengembang untuk memprioritaskan rencana perawatan perangkat lunak,
yang dapat menganalisis kebutuhan pelanggan berdasarkan berapa kali
kerusakan dilaporkan oleh pengguna.
• Koefisien korelasi Pearson diberikan untuk memvalidasi hasil cacat perangkat
lunak yang memprioritaskan skor yang diraih dengan 0,81 yang berarti cacat
perangkat lunak yang memprioritaskan dari pendekatan dan penilaian ahli
yang memiliki arah sama.