digilib@itb.ac.id +62 812 2508 8800

Dokumen Asli
PUBLIC Open In Flip Book Dessy Rondang Monaomi Ringkasan

Rekayasa kebutuhan perangkat lunak didominasi oleh bahasa alami yang rentan terhadap ambiguitas, menyebabkan cacat desain dan keterlambatan proyek. EARS sebagai pola terstruktur dan INCOSE GtWR sebagai panduan penulisan dikembangkan untuk mengatasi masalah ini. LLM seperti GPT-4o juga menawarkan solusi potensial untuk otomatisasi proses namun memiliki masalah konsistensi dan halusinasi. Penelitian ini mengembangkan chatbot berbasis GPT- 4o untuk membantu pembuatan dan analisis kebutuhan perangkat lunak dalam bahasa Indonesia menggunakan EARS dan INCOSE GtWR. Metodologi penelitian meliputi adaptasi EARS dan INCOSE GtWR ke bahasa Indonesia, rekayasa prompt, pengembangan kakas, dan evaluasi kinerja. Pengujian menggunakan 75 kalimat dari Public Requirements (PuRe) dan hasil generasi dua konfigurasi kakas yang mewakili 5 sistem yang berbeda dan 5 pola EARS, untuk dianalisis oleh tiga Software Engineer berpengalaman. Hasil menunjukkan kakas meningkatkan kesepakatan antar evaluator sebesar 48% untuk aturan INCOSE dan 3,68% untuk pola EARS. Konfigurasi dengan finetuning dan Retrieval Augmented Generation (RAG) mengungguli konfigurasi standar dengan 1,72% untuk EARS dan 8,84% untuk INCOSE. Dalam pembuatan kalimat kebutuhan, konfigurasi dengan finetuning dan RAG mencapai akurasi 86,6%, sementara konfigurasi standar 64%.