Testing merupakan tahap penting yang harus dilakukan dalam setiap pengembangan perangkat lunak. Testing bertujuan untuk menjaga kualitas dari perangkat lunak. Testing dilakukan dengan cara menguji test case yang telah disusun. Langkah awal penyusunan test case adalah membuat use case scenario berdasarkan deskripsi tekstual use case. Untuk mendapatkan use case scenario secara otomatis, titik-titik percabangan pada deskripsi tekstual use case harus dapat dikenali. Pemrosesan bahasa alami dapat digunakan untuk mengenali titik-titik percabangan pada deskripsi tekstual use case. Penelitian ini membahas pembuatan use case scenario dengan melakukan pemrosesan bahasa alami terhadap deskripsi tekstual use case. Pemrosesan bahasa alami yang dilakukan adalah pengenalan entitas bernama atau name entity recognition (NER), dengan pendekatan machine learning. Metode dalam machine learning yang digunakan adalah Association Rule. Pengenalan entitas bernama digunakan untuk mendapatkan titik-titik percabangan pada deskripsi tekstual use case. Selanjutnya use case scenario dapat disusun berdasarkan titik-titik percabangan tersebut. Akurasi use case scenario yang dihasilkan bergantung pada ketepatan pengenalan entitas bernama dalam mengenali titik-titik percabangan pada deskripsi tekstual use case. Berdasarkan hasil uji coba didapat bahwa pengenalan entitas bernama dengan Fmeasure sebesar 96,34% mendapatkan use case scenario dengan akurasi senilai 96,53%. Sedangkan dengan F-measure 100% yang berarti bahwa sistem mengenali semua titik-titik percabangan dengan tepat, didapatkan use case scenario dengan akurasi 100%.