PEMANFAATAN LARGE LANGUAGE MODEL DALAM AKTIVITAS WAWANCARA UNTUK ELISITASI KEBUTUHAN PERANGKAT LUNAK

Penelitian ini bertujuan mengembangkan dan mengevaluasi pemanfaatan Large Language Model (LLM) dalam mendukung proses wawancara pada requirements elicitation. Proses elisitasi kebutuhan secara konvensional masih menghadapi berbagai kendala, seperti keterbatasan waktu, bias pewawancara, kurang adaptifnya pertanyaan, serta dokumentasi kebutuhan yang ambigu sehingga berpotensi menimbulkan requirement drift. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan Conversational Oracle for Requirements Analysis (CORA), yaitu agen wawancara berbasis Gemini AI yang dirancang untuk menghasilkan pertanyaan secara adaptif dan kontekstual. Strategi yang diterapkan mengombinasikan teknik prompt engineering, yaitu zero-shot, one-shot, few-shot, dan chain-of-thought, dengan penguatan konteks melalui proto-persona serta Retrieval-Augmented Generation (RAG). Evaluasi sistem dilakukan menggunakan System Usability Scale (SUS), Technology Acceptance Model (TAM), dan penilaian kualitas pertanyaan berdasarkan kerangka kesalahan wawancara. Hasil penelitian menunjukkan bahwa CORA berpotensi meningkatkan efektivitas wawancara elisitasi kebutuhan, meskipun masih memerlukan penyempurnaan pada aspek
antarmuka dan variasi pertanyaan.