OPTIMASI PENGEMBANGAN BIAYA SOFTWARE DENGAN PERBANDINGAN NEURAL NETWORK DENGAN OPTIMASI ALGORITMA GENETIKA DAN BAGGING

MAYYA NURBAYANTI SHOBARY

Abstract


Kajian dalam penelitian ini menitikberatkan pada kegagalan proyek pengembangan perangkat lunak yang perlu dilakukan sebuah usaha estimasi.. metode yang digunakan adalah gabungan ketiga metode yaitu metode neural network, algoritma genetika dan bagging. Hasil eksperiman dari 7 kombinasi parameter penelitian pada dataset cocomo81 dengan neural network didapatkan nilai rata-rata RMSE 0,0626 dan nilai RMSE terkecil adalah 0,056, neural network dan bagging didapatkan nilai rata-rata RMSE adalah 0,051 dan nilai RMSE terkecil adalah 0,049, neural network dan algoritma genetika didapatkan nilai rata-rata RMSE adalah 0,039 dan nilai RMSE terkecil adalah 0,036 dan gabungan ketiga model neural network, algoritma genetika dan bagging didapatkan nilai rata-rata RMSE adalah 0,035 dan nilai RMSE terkecil adalah 0,033. Maka dapat disimpulkan estimasi biaya pengembangan perangkat lunak dengan menggunakan gabungan ketiga metode yaitu metode neural network, algoritma genetika dan bagging lebih akurat dibanding dengan metode individual neural network.

Kata Kunci: estimasi, perangkat lunak, neural network, bagging, algoritma genetika

 


References


DAFTAR PUSTAKA

Basri, S., Kama, N., & Ibrahim, R. (2015). COCHCOMO : An extension of COCOMO II for Estimating Effort for Requirement Changes during Software Development Phase 2 Related Work, 14, 152–162.

Dejaeger, K., Verbeke, W., Martens, D., & Baesens, B. (2012). Data mining techniques for software effort estimation: a comparative study, 38(2), 375–397. Retrieved from http://eprints.soton.ac.uk/336472/

Ferrucci, F., Gravino, C., Oliveto, R., & Sarro, F. (2010). Genetic Programming for Effort Estimation: An Analysis of the Impact of Different Fitness Functions. Search Based Software Engineering (SSBSE), 2010 Second International Symposium on, (25). http://doi.org/10.1109/SSBSE.2010.20

Hamdy, A. (2012). Fuzzy Logic for Enhancing the Sensitivity of COCOMO Cost Model, 3(9), 1292–1297.

Magdaleno, A. M., Barros, M. D. O., Maria, C., Werner, L., Araujo, M. De, Freud, C., & Batista, A. (2014). Collaboration Optimization in Software Process Composition, 1–30.

Setiyorini, T., Pascasarjana, P., Ilmu, M., Tinggi, S., Informatika, M., Komputer, D. A. N., & Mandiri, N. (2014). Penerapan Metode Bagging Untuk Mengurangi Data Noise Pada Neural Network Untuk Estimasi Kuat Tekan Beton Penerapan Metode Bagging Untuk Mengurangi Data Noise Pada Neural Network Untuk.

Shobary, Mayya Nurbayanti. (2016). Estimasi Biaya Pengembangan Perangkat Lunak Menggunakan Neural Network dengan Optimasi Algoritma Genetika. Jurnal Tekno Insentif .48-58.

Whitehead, J. (2007). Collaboration in Software Engineering : A Roadmap Collaboration in Software Engineering : A Roadmap. Future of Software Engineering FOSE-2007, 214–225. http://doi.org/10.1109/FOSE.2007.4




DOI: https://doi.org/10.24252/instek.v3i1.4774

DOI (PDF (Bahasa Indonesia)): https://doi.org/10.24252/instek.v3i1.4774.g4291

Refbacks

  • There are currently no refbacks.


Copyright (c) 2018 Jurnal INSTEK (Informatika Sains dan Teknologi)

Jurnal INSTEK (Informatika Sains dan Teknologi) is indexed by:

        pkp_index_k2