Model Fuzzy Gaussian Untuk Optimasi Akurasi Estimasi Waktu Proyek Perangkat Lunak

Rahmi Rizkiana Putri, Anwar Sodik, Gusti Eka yuliastuti, Andy Rachman

Abstract

Perkiraan waktu yang akurat akan memberikan dampak yang baik pada manajemen proyek
perangkat lunak. Jika perkiraan waktu kurang akurat maka akan berpengaruh pada kualitas
manajemen proyek perangkat lunak termasuk proses selama pengembangan proyek yang kurang
efektif dan efisien. Pada tahun 2000 Barry Boehm memperkenalkan adanya penambahan cost
driver yang baru pada COCOMO II, yang diharapkan akan dapat memberikan hasil akurasi yang
lebih baik. Sedangkan dalam penelitian ini tidak hanya menggunakan akurasi waktu berdasarkan
COCOMO II saja, tetapi juga menggunakan metode fuzzy Gaussian dan perubahan nilai
parameter untuk menghitung perkiraan waktu. Metode fuzzy gaussian yang digunakan dalam
penelitian ini dimaksudkan memberikan hasil akurasi yang lebih baik daripada penelitian
lainnya. Selain itu juga perubahan nilai parameter C dan D pada COCOMO II dilakukan dengan
menurunkan nilainya sebanyak 0,0001 dari nilai awal, karena pengurangan nilai sebesar 0,0001
adalah nilai optimal. Berdasarkan hasil uji coba dan implementasi yang diusulkan dalam
penelitian ini maka didapatkan kesalahan akurasi sebesar 83,83%, yang artinya bahwa akurasi
perkiraan waktu proyek perangkat lunak meningkat sebanyak 2,89%.

Keywords

Proyek perangkat lunak; perkiraan waktu; akurasi; cocomo ii; fuzzy gaussian; parameter

Full Text:

PDF

References

R. R. Putri, W. M. Rahmawati, T. Informatika, and F. T. Informasi, “Meningkatkan Akurasi Perkiraan Waktu Proyek Perangkat Lunak Dalam COCOMO II Dengan Mengubah Nilai Parameter,” pp. 2–9.

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.

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. A. Khalid and E. T. Yeoh, “Early cost estimation of software reworks using fuzzy requirement-based model,” Proc. - 2017 Int. Conf. Commun. Control. Comput. Electron.Eng. ICCCCEE 2017, pp. 1–5, 2017.

S. M. A. Suliman and G. Kadoda, “Factors that influence software project cost and schedule estimation,” Proc. 2017 Sudan Conf. Comput. Sci. Inf. Technol. SCCSIT 2017,vol. 2017-Novem, pp. 1–9, 2018.

S. Grimstad, “Software Effort Estimation Error,” 2006.

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.

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

S. Adhimantoro, “Mengetahui Tingkat Kematangan Buah Dengan Ultrasonik

Menggunakan Logika Fuzzy,” JNTETI, vol. 3, no. 1, pp. 1–6, 2014.

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.

Refbacks

  • There are currently no refbacks.