Via Aprillya (2021) Analisis Sentimen Komentar Pengguna Di Google Play Store Untuk Memperluas Lingkup Kebutuhan Perangkat Lunak. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (COVER) 1 COVER.pdf Download (521kB)
	Text (ABSTRAK) 2 ABSTRAK.pdf Download (156kB)
	Text (DAFFTAR ISI) 3 DAFTAR ISI.pdf Download (170kB)
	Text (BAB 1) 4 BAB I PENDAHULUAN.pdf Download (102kB)
	Text (BAB 2) 5 BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 28 June 2024. Download (217kB) | Request a copy
	Text (BAB 3) 6 BAB III METODOLOGI PENELITIAN.pdf Restricted to Registered users only until 28 June 2024. Download (451kB) | Request a copy
	Text (BAB 4) 7 BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only until 28 June 2024. Download (1MB) | Request a copy
	Text (BAB 5) 8 BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only until 28 June 2024. Download (91kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9 DAFTAR PUSTAKA.pdf Download (98kB)
	Text (LAMPIRAN) 10 LAMPIRAN.pdf Restricted to Registered users only until 28 June 2024. Download (3MB) | Request a copy
	Text (KESEDIAAN PUBLIKASI) KKC KK ST.SI.27-21-Pernyataan Kesediaan Publikasi (081611633034) - via aprillya.pdf Restricted to Registered users only Download (527kB) | Request a copy

Abstract

Proyek perangkat lunak rentan terhadap kegagalan jika penyusunan daftar kebutuhan tidak dilakukan dengan benar. Penyusunan kebutuhan perangkat lunak oleh analis sistem dipengaruhi oleh pengalaman dan pemahaman terkait domain knowledge dari sistem yang akan dibangun. Hal ini menimbulkan risiko adanya perbedaan kualitas dan cakupan dalam dokumen daftar kebutuhan yang disusun pada tahap elisitasi kebutuhan. Dalam beberapa tahun terakhir, ekstraksi fitur dari ulasan pengguna digunakan untuk requirements reuse yang membantu memperluas daftar kebutuhan. Namun, studi tentang dampak analisis sentimen dalam fitur yang diekstrak dari ulasan pengguna belum dipahami dengan baik. Studi ini mengusulkan metode untuk mengekstrak fitur dari ulasan pengguna di Play Store dan juga menganalisis sentimen dari fitur yang diekstrak untuk memperluas cakupan dan meningkatkan kualitas daftar kebutuhan. Penelitian ini menggunakan NLP dengan mengidentifikasi pola POS-Tag untuk mengekstrak fitur yang terdapat pada ulasan. Skor sentimen (polaritas dan subjektivitas) dan skor kesamaan dari fitur perangkat lunak yang diekstraksi kemudian ditampilkan dalam requirements report. Metode tersebut telah diuji kepada 10 responden dengan hasil 82% fitur yang diekstrak relevan dengan kebutuhan awal, 58% dapat menginspirasi responden untuk menulis kebutuhan baru, dan 37% dapat digunakan sebagai kebutuhan baru. Hasil uji juga menunjukkan bahwa fitur yang diekstraksi dengan sentimen positif secara keseluruhan memiliki nilai yang lebih baik daripada sentimen negatif. Namun demikian, keduanya dapat digunakan untuk memperluas cakupan persyaratan perangkat lunak dalam fase elisitasi kebutuhan. Fitur yang diekstraksi harus disaring berdasarkan nilai similarity menggunakan threshold tertentu untuk mendapatkan relevansi yang tinggi dengan kebutuhan awal.

Actions (login required)

View Item