Dalam proses pengumpulan persyaratan, analis sistem menggunakan berbagai sumber daya, seperti wawancara, observasi, dokumen relevan, analisis pesaing, sistem warisan, dan penggunaan kembali persyaratan. Setiap teknik pengumpulan memiliki keunggulan sesuai karakteristik proyek perangkat lunak. Beberapa teknik pengumpulan biasanya dilakukan bersamaan. Tantangan dalam pengumpulan persyaratan perangkat lunak bervariasi, seperti akses terbatas dari pemangku kepentingan, waktu proyek yang terbatas, dan masalah domain yang baru dan unik. Seringkali, sistem analis mencari sumber pengumpulan alternatif untuk memperkaya pengetahuan domain guna menyelesaikan persyaratan perangkat lunak.
Saat ini, penelitian terbatas dalam mengevaluasi ekstraksi persyaratan perangkat lunak dari artefak non-perangkat lunak. Mayoritas penelitian fokus pada artefak perangkat lunak, seperti deskripsi proyek atau ulasan pengguna, sebagai sumber ekstraksi persyaratan. Penelitian ini bertujuan mengidentifikasi informasi persyaratan perangkat lunak dari berita online dengan model ruang vektor. Informasi ini dapat membantu sistem analis dalam memahami domain masalah berdasarkan pembelajaran dari pemangku kepentingan dalam berita online. Penelitian ini mengusulkan DomText-WMDS untuk mengekstrak informasi persyaratan dari berita online. Dengan menggunakan teknik spesifik domain, kami mengembangkan kosakata khusus untuk perangkat lunak dari berita online dan dataset spesifikasi persyaratan perangkat lunak publik. Kemudian, kami memperluas kosakata ini dengan model ruang vektor dari dokumen berita online. Versi terbaru kosakata ini dapat digunakan untuk menyaring informasi persyaratan perangkat lunak yang sebelumnya diekstrak menggunakan part-of-speech (POS) chunking.
Hasil penelitian menunjukkan bahwa penerapan DomText-WMDS dapat meningkatkan presisi dan recall dalam mendapatkan informasi yang relevan dengan perangkat lunak dari berita online. DomText-WMDS adalah pendekatan untuk mendapatkan informasi yang relevan dengan perangkat lunak dari artefak non-perangkat lunak dengan menentukan kosakata khusus domain. Dalam penelitian ini, kami menggunakan FastText dan WMDS untuk implementasi. Pendekatan DomText-WMDS menghasilkan presisi dan recall yang lebih baik daripada menggunakan hanya spesifik domain. Selain itu, pendekatan DomText-WMDS dan spesifik domain lebih unggul daripada pendekatan umum yang digunakan dalam artefak perangkat lunak yang tersedia, seperti POS chunking. Ini wajar karena pendekatan umum hanya melihat pola POS kalimat tanpa mempertimbangkan konteks domain. Meskipun berhasil dalam artefak terkait perangkat lunak, seperti ulasan pengguna, deskripsi aplikasi, dan Twitter, implementasi pada artefak yang tidak terkait dengan perangkat lunak memberikan hasil kurang dari yang diharapkan.
Penulis: Indra Kharisma Raharjana
Jurnal: Extracting software requirements-related information from online news using DomText-WMDS
