Sebuah terobosan baru dalam dunia pengembangan perangkat lunak telah muncul dengan diperkenalkannya Model Deteksi Ambiguitas pada Spesifikasi Kebutuhan Perangkat Lunak (FPDM). Masalah ambiguitas dalam dokumen spesifikasi kebutuhan perangkat lunak telah menjadi sumber utama kegagalan proyek perangkat lunak. Ini muncul ketika spesifikasi memiliki banyak kemungkinan interpretasi, dan karena seringkali menggunakan bahasa alami, kesalahan tata bahasa, arti ganda, dan kurangnya rincian dapat menyebabkan perangkat lunak yang tidak memenuhi harapan pelanggan.
Studi sebelumnya telah mencoba menggunakan pembelajaran mesin untuk mendeteksi ambiguitas, tetapi batasan dalam menangani semua jenis ambiguitas serta kurangnya akurasi masih menjadi tantangan. Namun, dalam penelitian terbaru ini, sebuah langkah maju telah dicapai dengan mengenalkan Model Klasifikasi Ambiguitas (ACM). Model ACM ini mengadopsi teknik pembelajaran mendalam (deep learning) untuk mengidentifikasi dan memilih algoritma yang optimal dalam mengklasifikasikan ambiguitas dalam spesifikasi kebutuhan perangkat lunak.
Pentingnya model FPDM dan ACM ini sangat terbukti dalam uji coba, di mana ACM berhasil mencapai akurasi luar biasa sebesar 0.9907, sementara model FPDM mencapai akurasi yang mengesankan, yaitu 0.9750. Model ini telah menjalani uji coba di dunia nyata melalui studi kasus yang melibatkan 30 aplikasi edge/cloud, yang menjadi semakin penting dalam era digital saat ini.
Temuan ini tidak hanya memiliki potensi untuk mencegah kegagalan proyek perangkat lunak yang disebabkan oleh ambiguitas, tetapi juga memberikan panduan yang kuat bagi pengembang untuk merancang dan menghasilkan aplikasi berkualitas tinggi di lingkungan edge dan cloud. Dengan adanya model ini, diharapkan akan ada peningkatan signifikan dalam kualitas dan kehandalan perangkat lunak, serta kontribusi yang berharga bagi perkembangan aplikasi masa depan.
Penulis: Faisal Fahmi, S.Pd., M.Sc.
