Peningkatan Akurasi Perkiraan Biaya dan Waktu Proyek Perangkat Lunak Berdasarkan Model Fuzzy Gaussian dan Perubahan Nilai Parameter

Rahmi Rizkiana Putri

Abstract


Perkiraan biaya dan waktu akan mempengaruhi manajemen proyek perangkat lunak. Penambahan cost driver yang diperkenalkan Barry Boehm pada tahun 2000 digunakan dalam penulisan ini guna memberikan hasil akurasi yang lebih baik karena telah mencakup keseluruhan bagian yang di estimasi. Namun jika hanya menggunakan metode COCOMO II hasil estimasi masih jauh dari Actual Effort. Oleh sebab itu peningkatan akurasi hasil COCOMO II dapat menggunakan metode Fuzzy Gaussian yang memberikan hasil estimasi lebih baik dilihat dari hasil MMRE. Tidak hanya menggunakan metode tersebut, tetapi juga mengubah nilai parameter COCOMO II secara menurun dengan nilai gradual 0,0001 untuk mencapai nilai optimal. Berdasarkan hasil implementasi metode yang diusulkan disini kesalahan akurasi perkiraan biaya dapat turun 30% dan kesalahan akurasi perkiraan waktu proyek perangkat lunak dapat turun 1,19% bila dibandingkan penelitian sebelumnya. Jadi keakuratan biaya dan waktu dalam penelitian ini dapat meningkat.

Keywords


Biaya; Fuzzy Gaussian; Parameter; Perkiraan; Waktu

References


A. C. Eberendu, “Software Project Cost Estimation : Issues , Problems and Possible Solutions,” Int. J. Eng. Sci. Invent., vol. 3, no. 6, pp. 38–43, 2014.

F. Soleimanian Gharehchopogh, I. Maleki, A. Kamalinia, and H. M. Zadeh, “Artificial bee colony based constructive cost model for software cost estimation,” J. Sci. Res. Dev., vol. 1, no. 2, pp. 44–51, 2014.

K. T. Le My, “Applying Teaching-Learning To Artificial Bee Colony for Parameter Optimization of Software Effort,” J. Eng. Sci. Technol., no. August, 2016.

F. S. Gharehchopogh and A. Pourali, “A new approach based on continuous genetic algorithm in software cost estimation,” J. Sci. Res. Dev., vol. 2, no. 4, pp. 87–94, 2015.

C. S. Reddy and K. Raju, “An Improved Fuzzy Approach for COCOMO ’ s Effort Estimation using Gaussian Membership Function,” J. Softw., vol. 4, no. 5, pp. 452–459, 2009.

T. N. Sharma, “Analysis of Software Cost Estimation using COCOMO II,” Int. J. Sci. Eng. Res., vol. 2, no. 6, pp. 1–5, 2011.

C. H. S. Reddy and K. Raju, “Improving the accuracy of effort estimation through Fuzzy set combination of size and cost drivers,” WSEAS Trans. Comput., vol. 8, no. 6, pp. 926–936, 2009.

E. Stimation, “A Fuzzy Approach For Software Effort Estimation,” Int. J. Cybern. Informatics, vol. 2, no. 1, pp. 9–15, 2013.

A. Malik, V. Pandey, and A. Kaushik, “An Analysis of Fuzzy Approaches for COCOMO II,” Int. J. Intell. Syst. Appl., vol. 5, no. 5, pp. 68–75, 2013.

J. G. Borade and V. R. Khalkar, “Software Project Effort and Cost Estimation Techniques,” Int. J. Adv. Res. Comput. Sci. Softw. Eng., vol. 3, no. 8, pp. 730–739, 2013.

S. Waghmode and K. Kolhe, “A Novel Way of Cost Estimation in Software Project Development Based on Clustering Techniques,” Int. J. Innov. Res. Comput. Commun. Eng., vol. 2, no. 4, pp. 3892–3899, 2014.

R. R. Putri, R. Sarno, D. Siahaan, A. S. Ahmadiyah, and S. Rochimah, “Accuracy Improvement of the Estimations Effort in Constructive Cost Model II Based on Logic Model of Fuzzy,” Adv. Sci. Lett., vol. 23, no. 3, pp. 2478–2480, 2017.

I. Attarzadeh and S. Ow, “Improving the accuracy of software cost estimation model based on a new fuzzy logic model,” World Appl. Sci. J. 2010.

S. Adhimantoro, “Mengetahui Tingkat Kematangan Buah Dengan Ultrasonik Menggunakan Logika Fuzzy,” JNTETI, vol. 3, no. 1, pp. 1–6, 2014.

T. K. G. Marappagounder, “An Efficient Software Cost Estimation Technique Using Fuzzy Logic With The Aid Of Optimization Algorithm,” Int. J. Innov. Comput. Inf. Control, vol. 11, pp. 587–597, 2015.




DOI: https://doi.org/10.31284/j.iptek.2018.v22i2.447

Refbacks

  • There are currently no refbacks.


 

Indexed by:

Sinta S3Google Scholar GARUDA Garba Rujukan DigitalDimensions Logo