Analisis Sebab-Akibat menggunakan Bayesian LiNGAM Dibandingkan dengan Analisis Korelasi dalam Metrik Function Point dan Usaha
Lidya Nurhapsari Prasetya Ningsih
Artikel "Causal-Effect Analysis using Bayesian LiNGAM Comparing with Correlation Analysis in Function Point Metrics and Effort" menyajikan penelitian yang mendalam dan inovatif tentang estimasi usaha dalam pengembangan perangkat lunak. Dengan fokus pada metrik Function Point (FP) yang umum digunakan dalam industri, penelitian ini mengungkapkan pentingnya memahami hubungan sebab-akibat antara berbagai aspek metrik FP dan usaha yang diperlukan dalam proyek.
Metodologi Bayesian LiNGAM dan Analisis Korelasi
Metodologi penelitian ini menonjol karena penggunaan pendekatan Bayesian LiNGAM, yang merupakan pendekatan yang cukup baru dan canggih dalam analisis statistik. Dibandingkan dengan metode analisis korelasi tradisional, Bayesian LiNGAM memberikan kelebihan dalam mengidentifikasi hubungan sebab-akibat, bukan hanya hubungan asosiasi. Ini penting karena dalam konteks estimasi usaha, memahami faktor-faktor yang secara langsung mempengaruhi jumlah usaha yang diperlukan bisa sangat berharga untuk manajemen proyek dan perencanaan sumber daya.
Pentingnya Komponen 'Interface' dalam Metrik Function Point Analisis Korelasi dan Sebab-Akibat dalam Estimasi Usaha Pengembangan Perangkat Lunak
Hasil penelitian menunjukkan bahwa komponen "Interface" dalam metrik FP memiliki korelasi yang signifikan dengan usaha yang diperlukan dalam proyek pengembangan perangkat lunak. Hal ini menandakan bahwa Interface bisa dianggap sebagai indikator penting dalam model estimasi usaha. Fakta bahwa Interface tidak menimbulkan masalah multikolinearitas dalam model Bayesian LiNGAM menambah nilai pada temuan ini. Penelitian ini juga membuka wawasan baru tentang bagaimana metrik FP berinteraksi dan berkorelasi dalam konteks pengembangan perangkat lunak. Meskipun ada kesamaan antara hasil korelasi dan sebab-akibat, penambahan dimensi kausalitas memberikan pemahaman yang lebih mendalam dan berguna.
Kesimpulan
Dalam kesimpulannya, penelitian ini memberikan kontribusi penting ke dalam literatur tentang estimasi usaha dalam pengembangan perangkat lunak. Penggunaan metode Bayesian LiNGAM menawarkan cara baru dan lebih efektif untuk memahami hubungan kompleks dalam data proyek perangkat lunak. Temuan ini bisa sangat bermanfaat bagi praktisi dan peneliti dalam meningkatkan akurasi model estimasi usaha dan memahami faktor-faktor yang mempengaruhi efisiensi dan efektivitas dalam pengembangan perangkat lunak. Selanjutnya, penelitian ini juga menyarankan bahwa penelitian lebih lanjut perlu dilakukan untuk menggali lebih dalam tentang bagaimana komponen-komponen lain dari metrik FP berkontribusi terhadap estimasi usaha, serta potensi penerapan metode ini dalam konteks yang lebih luas.