Muhammad Farhan Al Ghifari
Pendahuluan
Dalam dunia pengembangan perangkat lunak, estimasi ukuran dan biaya proyek sangatlah penting. Salah satu metode yang digunakan untuk mengestimasi ukuran perangkat lunak adalah Function Point (FP). Namun, penggunaan FP memerlukan kalibrasi yang tepat agar dapat memberikan hasil estimasi yang akurat. Oleh karena itu, diperlukan sebuah model kalibrasi yang
dapat meningkatkan akurasi estimasi ukuran dan biaya proyek perangkat lunak.
Terdapat model kalibrasi FP yang sudah ada, seperti model regresi dan model fuzzy. Model kalibrasi FP bertujuan untuk mengkalibrasi bobot kompleksitas FP agar dapat memberikan hasil estimasi yang lebih akurat. Namun, model-model kalibrasi FP yang sudah ada masih memiliki kelemahan, seperti keterbatasan dalam validasi model dan ambiguitas dalam klasifikasi kompleksitas FP.
Model Kalibrasi Baru
Sebuah model kalibrasi baru yang disebut Neuro-Fuzzy Function Point Calibration Model (NFFPCM). Model ini menggunakan teknik neural network dan fuzzy logic untuk mengkalibrasi bobot kompleksitas FP. Dalam penelitian ini, dilakukan perbandingan antara NFFPCM dengan model kalibrasi lainnya, seperti model regresi dan model fuzzy. Hasilnya menunjukkan bahwa NFFPCM memberikan hasil estimasi yang lebih akurat dibandingkan dengan model kalibrasi lainnya.
Selain itu artikel ini juga membahas beberapa kelemahan dari model kalibrasi FP yang sudah ada, seperti keterbatasan dalam validasi model dan ambiguitas dalam klasifikasi kompleksitas FP. Oleh karena itu, NFFPCM hadir sebagai solusi untuk mengatasi kelemahan-kelemahan tersebut.
Mengapa penelitian ini begitu penting untuk Indonesia?
