***
Dari berbagai algoritma yang telah dianalisis, pendekatan berbasis deep learning dengan Transformer (seperti BERT atau RoBERTa) memberikan hasil terbaik dalam klasifikasi FR dan NFR, terutama karena kemampuannya memahami konteks semantik yang kompleks. Namun, jika sumber daya komputasi terbatas, algoritma seperti SVM atau Random Forest tetap dapat digunakan dengan hasil yang cukup baik, terutama jika digabungkan dengan teknik ekstraksi fitur yang kuat.
Pendekatan hybrid yang mengombinasikan model deep learning dengan metode klasifikasi tradisional dapat menjadi solusi yang optimal, terutama untuk meningkatkan akurasi dalam mengklasifikasikan sub-kategori NFR. Selain itu, perbaikan dalam aspek interpretabilitas dan pengelolaan data pelatihan yang berkualitas tetap menjadi faktor penting dalam implementasi algoritma ML untuk klasifikasi persyaratan perangkat lunak secara efektif.
Refrensi
Canedo, E. D., & Mendes, B. C. (2020). Software requirements classification using machine learning algorithms. Entropy, 22(9), 1057. https://doi.org/10.3390/e22091057
Follow Instagram @kompasianacom juga Tiktok @kompasiana biar nggak ketinggalan event seru komunitas dan tips dapat cuan dari Kompasiana. Baca juga cerita inspiratif langsung dari smartphone kamu dengan bergabung di WhatsApp Channel Kompasiana di SINI
