Tel-UTel-U
International Journal on Information and Communication Technology (IJoICT)International Journal on Information and Communication Technology (IJoICT)Miskomunikasi antara pemangku kepentingan bisnis dan pengembang seringkali menyebabkan inkonsistensi dalam spesifikasi persyaratan perangkat lunak, menciptakan kesenjangan pemahaman yang dapat berakibat pada kegagalan perangkat lunak. Pengembangan yang Didorong Perilaku (BDD) bertujuan untuk mengatasi hal ini dengan mendorong kolaborasi dan memastikan pemahaman bersama melalui bahasa alami yang terstruktur, terutama menggunakan sintaks Gherkin untuk dokumentasi kasus uji. Meskipun BDD membantu menjembatani kesenjangan komunikasi ini, mengintegrasikannya dengan Business Process Model and Notation (BPMN) untuk mengotomatisasi generasi kasus uji tetap menantang, terutama saat menangani jalur yang kompleks dan model proses yang terus berkembang. Penelitian ini mengatasi tantangan-tantangan ini dengan menggabungkan Decision Model and Notation (DMN) dengan teknik pencocokan pola dan memperkenalkan FlowForge, sebuah prototipe yang diimplementasikan dalam penelitian ini yang mengotomatisasi generasi User Stories dan kasus uji Gherkin langsung dari model BPMN. FlowForge menunjukkan tingkat kelengkapan yang tinggi dalam ekstraksi elemen BPMN, dengan kelengkapan rata-rata sebesar 98,25%. Akurasi jalur bervariasi, dengan rata-rata sebesar 87,5%, dan waktu eksekusi rata-rata 0,36 detik, menunjukkan efisiensi. Integrasi DMN memungkinkan penanganan yang lebih baik terhadap pengecualian dan logika keputusan, menyediakan kasus uji Gherkin yang sangat terperinci. Penelitian ini meningkatkan otomasi dan keandalan pengujian berbasis BPMN dan menawarkan dasar untuk pekerjaan masa depan untuk meningkatkan akurasi, efisiensi, dan cakupan.
Incorporating DMN allows for the extraction of rules embedded within BPMN diagrams, enabling the identification of exceptions represented by exclusive gateways.This approach addresses the gaps identified in prior research [2].Moreover, the generated Gherkin includes fully detailed steps—Given, When Then—whereas prior studies, such as [11], lacked the “Then step.Additionally, our application specifies the roles responsible for performing activities within the user stories, addressing another gap highlighted in earlier research [12].This paper highlights the challenges in managing complex pathways, exceptions, and evolving BPMN patterns during transformation.In this position paper, we acknowledge that there are still several opportunities for improvement.A strategic roadmap for future work is proposed to enhance the accuracy, efficiency, and coverage of the BPMN-based test case generation approach.
Untuk meningkatkan akurasi, efisiensi, dan cakupan pengujian berbasis BPMN, saran penelitian lanjutan yang diusulkan adalah sebagai berikut: (1) Mengembangkan mekanisme untuk menangani aliran lintas-kolam dan pesan dengan lebih akurat sambil memastikan jalur mencerminkan aliran proses bisnis yang sebenarnya. Fokus pada mengidentifikasi dan memvalidasi jalur default dalam Inclusive Gateways melalui heuristik atau teknik pemodelan lanjutan. (2) Melakukan validasi kinerja eksekusi kasus uji dengan menjalankan skrip uji berbasis Gherkin di platform seperti Cucumber untuk menganalisis kinerja eksekusi. Hal ini akan membantu mengidentifikasi inefisiensi dalam eksekusi dan memandu penyempurnaan dalam generasi kasus uji. (3) Mengembangkan dan memperluas perpustakaan pola untuk mencakup elemen BPMN tambahan, seperti berbagai jenis peristiwa (pesan, timer, kondisional, sinyal) dan gerbang berbasis peristiwa. Pola adaptif akan dikembangkan untuk menangani standar BPMN yang berkembang, memastikan ketahanan dan keterapalan terhadap berbagai model. (4) Meningkatkan deteksi elemen BPMN dengan meningkatkan akurasi mendeteksi struktur looping dan elemen kompleks dalam model BPMN dengan mengintegrasikan representasi perantara seperti grafik keadaan. Pendekatan ini akan lebih baik menangkap hubungan looping dan mengatasi elemen yang tidak terdeteksi, seperti tugas dan peristiwa.
| File size | 1.84 MB |
| Pages | 19 |
| DMCA | Report |
Related /
UNSURYAUNSURYA Berdasarkan analisis metode SERVQUAL terhadap SKM Semester 1 Tahun 2024, tingkat kepuasan masyarakat terhadap pelayanan publik DPMPTSP Provinsi KalimantanBerdasarkan analisis metode SERVQUAL terhadap SKM Semester 1 Tahun 2024, tingkat kepuasan masyarakat terhadap pelayanan publik DPMPTSP Provinsi Kalimantan
UNSURYAUNSURYA Perbandingan hasil penelitian penggunaan algoritma Decision Tree dan Naïve Bayes menunjukkan tingkat akurasi pada algoritma Decision Tree sebesar 70,87%Perbandingan hasil penelitian penggunaan algoritma Decision Tree dan Naïve Bayes menunjukkan tingkat akurasi pada algoritma Decision Tree sebesar 70,87%
UNSURYAUNSURYA Sistem ini telah diadopsi oleh 72% pengguna aktif sebagai inovasi pendataan sesuai UU Jasa Konstruksi No. 2 Tahun 2017, memudahkan pendaftaran alat beratSistem ini telah diadopsi oleh 72% pengguna aktif sebagai inovasi pendataan sesuai UU Jasa Konstruksi No. 2 Tahun 2017, memudahkan pendaftaran alat berat
RESCOLLACOMMRESCOLLACOMM Dataset yang digunakan berasal dari Kaggles Rice Pest Detection Dataset, yang mencakup 12 kelas hama dan telah melalui serangkaian langkah pra-pemrosesan:Dataset yang digunakan berasal dari Kaggles Rice Pest Detection Dataset, yang mencakup 12 kelas hama dan telah melalui serangkaian langkah pra-pemrosesan:
JRTPPIJRTPPI Sebaliknya, peluang yang diidentifikasi mencakup potensi untuk penciptaan pengetahuan bersama, peningkatan mobilisasi sumber daya, dan peningkatan hasilSebaliknya, peluang yang diidentifikasi mencakup potensi untuk penciptaan pengetahuan bersama, peningkatan mobilisasi sumber daya, dan peningkatan hasil
ITENASITENAS Peneliti menerapkan beberapa model machine learning yaitu random forest dan Support Vector Machine (SVM) serta model deep learning yaitu convolutionalPeneliti menerapkan beberapa model machine learning yaitu random forest dan Support Vector Machine (SVM) serta model deep learning yaitu convolutional
UQGRESIKUQGRESIK Penelitian ini menunjukkan bahwa penerapan u-chart dan model regresi machine learning mampu mendukung strategi pemeliharaan pencegahan pada mesin CNC melaluiPenelitian ini menunjukkan bahwa penerapan u-chart dan model regresi machine learning mampu mendukung strategi pemeliharaan pencegahan pada mesin CNC melalui
LENTERADUALENTERADUA Data mining berhubungan dengan pencarian data untuk menemukan pola atau pengetahuan dari data keseluruhan. Data mining dapat digunakan untuk memprediksiData mining berhubungan dengan pencarian data untuk menemukan pola atau pengetahuan dari data keseluruhan. Data mining dapat digunakan untuk memprediksi
Useful /
UNSURYAUNSURYA Implementasi jaringan ini meningkatkan efisiensi produksi dan komunikasi antar kantor pusat dan cabang. Integrasi jaringan ini mempermudah pertukaran dataImplementasi jaringan ini meningkatkan efisiensi produksi dan komunikasi antar kantor pusat dan cabang. Integrasi jaringan ini mempermudah pertukaran data
UNSURYAUNSURYA Sistem dikembangkan dengan pendekatan Agile Development untuk fleksibilitas proses dan Rapid Application Development (RAD) guna percepatan pengolahan data.Sistem dikembangkan dengan pendekatan Agile Development untuk fleksibilitas proses dan Rapid Application Development (RAD) guna percepatan pengolahan data.
UNSURYAUNSURYA Dengan threshold ±0. 75, nama yang memiliki kemiripan ≥0. 75 dianggap relevan, secara signifikan mempercepat dan meningkatkan akurasi proses pencarian.Dengan threshold ±0. 75, nama yang memiliki kemiripan ≥0. 75 dianggap relevan, secara signifikan mempercepat dan meningkatkan akurasi proses pencarian.
UHBUHB Hasil evaluasi model menunjukkan bahwa KNN mencapai tingkat akurasi 81%, sementara SVM memperoleh akurasi 75,50%. Analisis lebih lanjut menunjukkan bahwaHasil evaluasi model menunjukkan bahwa KNN mencapai tingkat akurasi 81%, sementara SVM memperoleh akurasi 75,50%. Analisis lebih lanjut menunjukkan bahwa