Produk perangkat lunak yang berbeda di area yang sama sering kali memiliki persyaratan yang serupa. Penggunaan Kembali Persyaratan Perangkat Lunak dapat mengurangi biaya dalam proses elisitasi kebutuhan. Sumber Penggunaan Kembali Persyaratan Perangkat Lunak dapat diperoleh dari deskripsi produk, ulasan pengguna, ulasan ahli, media sosial atau berita online. Seiring dengan berkembangnya ekosistem aplikasi seluler, ulasan pengguna di Google Play menjadi semakin populer untuk mengumpulkan persyaratan penggunaan kembali. Pengguna aplikasi terus-menerus memposting banyak ulasan per hari, yang ditujukan untuk pengembang dan komunitas pengguna.
Dalam studi ini kami mengusulkan menambahkan analisis sentiment pada pengunaan kembali persyaratan perangkat lunak. Dalam beberapa tahun terakhir, ekstraksi fitur dari ulasan pengguna digunakan untuk penggunaan kembali persyaratan, yang membantu memperluas persyaratan perangkat lunak. Namun, studi tentang dampak analisis sentimen pada fitur yang diekstraksi dari ulasan pengguna belum dipahami dengan baik. Studi ini mengusulkan untuk menampilkan atribut analisis sentimen yang berisi skor polaritas, subjektivitas, dan kesamaan fitur perangkat. Penelitian ini menggunakan pemrosesan bahasa alami dengan mengidentifikasi pola part-of-speech(POS) tagging untuk mengekstrak fitur perangkat lunak dalam ulasan pengguna.
Penilaian dilakukan untuk melihat korelasi antara analisis sentimen dan keputusan analisis sistem untuk menggunakan kembali fitur yang diekstraksi. Kedua fitur yang diekstraksi dengan sentimen positif dan negatif dapat digunakan untuk menggunakan kembali persyaratan, terutama untuk memperluas persyaratan yang ada. Namun, untuk mendapatkan hasil terbaik, kami menyarankan agar semua fitur yang diekstraksi telah difilter berdasarkan kesamaan menggunakan ambang batas tertentu. Ini sangat membantu untuk memfilter fitur yang tidak terkait dengan persyaratan awal.
Dari penelitian ini, dapat disimpulkan bahwa fitur yang memiliki sentimen positif atau negatif dapat digunakan untuk memperoleh persyaratan yang relevan, menginspirasi analis sistem untuk menulis persyaratan baru berdasarkan masalah, dan menambahkan hasil ekstraksi sebagai persyaratan baru. Namun sentimen positif memberikan kinerja yang lebih baik dibandingkan sentimen negatif. Padahal, sentimen positif memiliki nilai yang mendekati fitur-fitur yang memiliki kemiripan tinggi. Sumber utama untuk penggunaan kembali persyaratan tetap merupakan ekstraksi fitur dengan nilai kemiripan yang tinggi. Namun, ekstraksi fitur dengan mempertimbangkan sentimen positif dan negatif perlu diperhitungkan karena dapat memberikan informasi yang membantu proses penggunaan kembali persyaratan.
Penulis: Indra Kharisma Raharjana
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://doi.org/10.3390/computers10030036
I. K. Raharjana, V. Aprillya, B. Zaman, A. Justitia, and S. S. M. Fauzi, “Enhancing Software Feature Extraction Result Using Sentiment Analysis to Aid Requirements Reuse,” Computers, vol. 10, no. 3, p. 36, 2021.
