The statement of functional requirements statement that refers to software requirements specifications (SRS) is a reference for stakeholders in making software. The SRS document uses a different English grammar due to limited knowledge by the software development team, making it difficult for the development team to read and understand the specification documents for software requirements properly. To overcome this grammatical error, a method is needed to resolve grammatical errors. The method used to identify grammatical errors is based on a trigram language model. In the last research, trigram language models showed quite good performance in identifying grammatical errors based on probabilistic n-gram language models. To improve the performance of the n-gram language model this study also utilizes a corpus namely Penn Tree Bank Corpus. Provide recommendations, this study uses rules-based techniques. A number of rules are made to provide recommendations for inappropriate grammar. So that the software requirements specification compiler can check for grammatical errors and improve the quality of the software requirements specification document.

<p>Tahap awal dalam pengembangan perangkat lunak ialah menelusuri, mengumpulkan dan menyajikan segala kebutuhan pengguna ke dalam sebuah dokumen spesifikasi kebutuhan perangkat lunak (SKPL). Latar belakang akademik yang beragam, pengalaman yang berbeda, dan keterbatasan pengetahuan yang dimiliki oleh perekayasa kebutuhan memungkinkan adanya kesalahan dalam pembuatan dokumen SKPL. Salah satu kesalahan yang sering muncul pada sebuah dokumen SKPL ialah terdapatnya penggunaan kata-kata yang rancu. Hal ini tentunya dapat menyebabkan kesalahan penafsiran dan kesulitan dalam memahami kebutuhan perangkat lunak yang hendak dibangun bagi pemangku kepentingan dalam proses pengembangan perangkat lunak. Penelitian ini bertujuan mengusulkan sebuah pendekatan untuk memberikan rekomendasi perbaikan pernyataan kebutuhan perangkat lunak yang rancu. Adapun metode yang diusulkan adalah teknik berbasis aturan dengan menggunakan model bahasa <em>n-gram</em>. Realibilitas metode usulan di-evaluasi menggunakan indeks statistik Gwet’s AC1. Hasil analisis metode rekomendasi yang diusulkan memiliki tingkat proporsi kesepakatan yang lebih baik dibandingkan dengan metode rekomendasi menggunakan teknik statistik berbasis frekuensi <em>n-gram</em>. Metode rekomendasi yang diusulkan memiliki nilai indeks statistik Gwet’s AC1 tertinggi sebesar 0.5263 dengan tingkat proporsi kesepakatan sedang.</p><p> </p><p>Abstract</p><p>The first stage in software development is to investigate, collect and provide all user requirements into a software requirements specification document (SRS’s). Diverse academic background, different experiences, and the limitations of knowledge possessed by the requirement engineer make possible mistakes in the creation of SRS’s documents. One of the most common mistakes in SRS’s document is the use of ambiguous words. This can certainly lead to misinterpretation and difficulties in understanding the software requirement that stakeholders to built in the software development process. The purpose of this research is to build an approach that gives recommendation improvement of ambiguous software requirement statement. The proposed method is a rule-based technique using n-gram language model. The reliability of the proposed method is evaluated using Gwet's AC1 statistical index. The analysis results of the proposed recommendation method have a better level of agreement proportion than the recommendation method using the n-gram frequency-based statistical technique. The proposed recommendation method has the highest Gwet's AC1 statistic value of 0.5263 with a moderate agreement proportion rate.</p>

Sistem kendali robot saat ini telah banyak dibuat dengan menggunakan berbagai metode seperti sensor accelerometer, sensor suara, leap motion. Pada penelitian ini diusulkan pengenalan bentuk tangan secara real time menggunakan leap motion dan K-Nearest Neighbors (KNN) sebagai sistem kendali robot beroda. Leap motion digunakan untuk mendeteksi titik koordinat posisi tangan pada pandangan leap motion. pembentukan fitur dilakukan dengan mengukur jarak euclidean distance antara palm position dengan finger tip. KNN digunakan untuk menentukan kelas pada data testing. Uji coba dilakukan menggunakan tangan penulis dengan 5 jenis instruksi yaitu maju, mundur, stop, belok kanan, belok kiri dan setiap instruksi di ujicoba sebanyak 20 kali percobaan. Dari hasil ujicoba yang dilakukan menunjukkan bahwa sistem yang diusulkan memiliki tingkat akurasi pengenalan 94%.

Abstrak-Berbagai aspek seperti kemampuan untuk penulisan tata bahasa, latar belakang penggunaan bahasa Inggris dan keterbatasan pengetahuan yang dimiliki oleh tim penyusun kebutuhan perangkat lunak memungkinkan adanya kesalahan dalam pembuatan dokumen spesifikasi kebutuhan perangkat lunak. Hal ini dapat menyebabkan menurunnya kualitas dokumen spesifikasi kebutuhan perangkat lunak tersebut. Untuk mengatasi permasalahan tersebut maka diperlukan sebuah metode untuk mengidentifikasi kesalahan tata bahasa pernyataan kebutuhan perangkat lunak. Penelitian ini bertujuan mengusulkan pengembangan metode untuk mengidentifikasi kesalahan tata bahasa pada pernyataan kebutuhan perangkat lunak. Metode yang diusulkan ialah teknik berbasis statistik menggunakan probabilitas model bahasa n-gram, dimana model bahasa yang digunakan ialah model bahasa bigram dan trigram. Kinerja metode yang diusulkan dievaluasi menggunakan nilai precession, recall dan f-measure. Berdasarkan pengujian yang telah dilakukan dapat diketahui bahwa perolehan nilai precession, recall dan f-measure pada model bahasa trigram dengan threshold = 0.1 memiliki nilai yang tertinggi masing-masing sebesar 83%, 85%, dan 86% jika dibandingkan dengan skenario pengujian bigram. Hal ini menunjukkan bahwa model bahasa trigram dapat mengidentifikasi kesalahan tata bahasa dengan baik. Keywords-Tata Bahasa Inggris, Pernyataan Kebutuhan Perangkat Lunak, N-Gram Language Model.Abstract -Various aspects such as the ability to write grammar, the background of the use of English and the limited knowledge possessed by the compiler team of software needs allows for errors in the making of software requirements specification documents. This can cause a decrease in the quality of the document specifications of the software requirements. To overcome these problems, a method is needed to identify grammatical errors in the software requirements statement. This study aims to propose the development of a method for identifying grammatical errors in software requirements statements. The proposed method is a statistical-based technique using the probability of the n-gram language model, where the language model used is the bigram and trigram language models. The performance of the proposed method is evaluated using the value of precession, recall and f-measure. Based on the tests that have been carried out, it can be seen that the acquisition of precession, recall and fmeasure values in the trigram language model with threshold = 0.1 has the highest value of 83%, 85% and 86% respectively, compared to the bigram test scenario. This shows that the trigram language model can identify grammatical errors well.