User story adalah artefak penting dalam pengembangan perangkat lunak tangkas, yang berisi aspek siapa, apa, dan mengapa. BPMN (Notasi Pemodelan Proses Bisnis) adalah standar bersertifikat ISO untuk menggambarkan semantik proses bisnis. Untuk meningkatkan produktivitas waktu pembuatan dokumen persyaratan, peneliti berupaya menghasilkan artefak dari sumber alternatif seperti cerita pengguna dan BPMN. Menghasilkan artefak antara BPMN dan cerita pengguna dapat meningkatkan komunikasi dan berbagi pengetahuan dalam pengembangan perangkat lunak. Studi ini mengusulkan aplikasi berbasis web untuk menghasilkan cerita pengguna dari model BPMN. User story disusun dari 3 aspek yaitu aspek WHO, WHAT, dan WHY. Perangkat lunak ini dikembangkan dengan menggunakan salah satu fitur NLP (Natural Language Processing), yaitu Part of Speech Tagging (POS Tagging). Dataset yang kami gunakan sebagai input diperoleh dari website dan jurnal. Kajian ini dapat memudahkan pengguna untuk menerjemahkan antar artefak khususnya di BPMN (filetype: .XPDL) menjadi User Stories.
Prosedur untuk menghasilkan cerita pengguna dari BPMN melibatkan pengumpulan dataset dari sumber online, mengubahnya menjadi format XPDL menggunakan perangkat lunak Bizagi, melakukan pra-pemrosesan dari file XPDL, dan mengidentifikasi aspek siapa, dan aspek apa. Metode Scrum diimplementasikan untuk pengembangan perangkat lunak ini, dengan langkah pertama menentukan product backlog, dilanjutkan dengan rapat sprint untuk membahas dan menentukan beban kerja sprint berikutnya. Langkah ketiga adalah melakukan pertemuan harian untuk membahas kemajuan, kendala, dan mengevaluasi perangkat lunak. Kerangka kerja Django digunakan untuk mengembangkan situs web dan python, HTML, CSS, dan JavaScript sebagai bahasa pemrograman.
Sistem ini hanya menerima masukan BPMN yang dibuat oleh perangkat lunak Bizagi dengan format XPDL. Aturan pembangkitan BPMN ke User Story adalah aspek nilai WHO di dalam elemen jalur dan aspek nilai APA di dalam elemen tugas. Hanya tugas yang memenuhi aturan yang dapat diartikan sebagai aspek APA. Elemen tugas harus mengandung informasi yang diawali dengan kata kerja dan diikuti oleh kata benda. POS Tagging digunakan untuk mengkategorikan kelas kata.
Hasil penilaian user story yang dihasilkan sistem sudah baik, dengan rata-rata F-Measure 69%, rata-rata presisi 74% dan rata-rata recall 66%. Setiap BPMN memiliki hasil penilaian yang beragam, dengan BPMN 淧urchase Order menghasilkan nilai precision, recall dan F-measure yang paling kecil diantara data BPMN lainnya. Sistem tersebut berhasil menghasilkan BPMN yang mirip dengan pengetahuan yang dimiliki oleh beberapa pakar. Part of Speech Tagging (POS Tagging) dapat bekerja dengan baik, karena informasi yang berasal dari tag aktivitas dapat diberi label oleh POS Tagging untuk setiap kata. Hasil penelitian menunjukkan bahwa informasi berada pada aspek WHAT. Detail terpenting dalam teks ini adalah bahwa beberapa proses BPMN masih memiliki nilai False Negatives, yang berarti sistem tidak dapat menghasilkan cerita pengguna di luar teks dalam elemen aktivitas dalam proses BPMN. Selain itu, swimlane yang dideklarasikan dalam BPMN dapat diartikan sebagai aspek WHO dalam cerita pengguna karena menggambarkan peran pengguna yang menjalankan tugas. Sistem telah berhasil mengambil semua informasi yang diperlukan dari BPMN untuk di-generate menjadi user story, namun detail user story, seperti ukuran dan kompleksitas, yang diturunkan dari model BPMN yang sama bisa saja berbeda satu sama lain. Semua pemangku kepentingan proyek harus memastikan bahwa mereka memahami konteks cerita pengguna dan saling ketergantungannya.
Makalah ini mengusulkan aplikasi web untuk menghasilkan cerita pengguna dari BPMN. Telah berhasil dikembangkan dengan fitur-fitur seperti upload file BPMN yang diubah menjadi file XPDL, fitur untuk melihat riwayat terjemahan, dan fitur untuk mendownload dokumen cerita pengguna yang telah diterjemahkan. Evaluasi dilakukan oleh ahli terpilih yang bertanggung jawab untuk membuat cerita pengguna secara manual dengan menganalisis elemen BPMN. Keluaran sistem telah menghasilkan rata-rata F-measure pada seluruh BPMN sebesar 69%.
Penulis: Indra Kharisma Raharjana, S.Kom., M.T.
Link Jurnal: https://aip.scitation.org/doi/abs/10.1063/5.0103685
