Mohon tunggu...
Bisnis Digital 2022D
Bisnis Digital 2022D Mohon Tunggu... Mahasiswa - Universitas Negeri Surabaya

Untuk Keperluan Mata Kuliah Manajemen Operasi yang di ajar Renny Sari Dewi, S.Kom., M.Kom.

Selanjutnya

Tutup

Analisis

Penggunaan teknik neuro-fuzzy untuk mengkalibrasi rasio konversi "Function Point Backfiring"

12 November 2023   23:25 Diperbarui: 13 November 2023   00:50 103
+
Laporkan Konten
Laporkan Akun
Kompasiana adalah platform blog. Konten ini menjadi tanggung jawab bloger dan tidak mewakili pandangan redaksi Kompas.
Lihat foto
Bagikan ide kreativitasmu dalam bentuk konten di Kompasiana | Sumber gambar: Freepik

Penulis Mohammad Hendrew P.


Pendahuluan:


Dalam pengembangan perangkat lunak, estimasi ukuran adalah kunci untuk menentukan jadwal dan biaya proyek. Salah satu metode yang sering digunakan adalah teknik "Backfiring", yang mengonversi metrik "Function Point" menjadi baris kode sumber. Namun, metode ini memiliki margin kesalahan yang tinggi. Dalam artikel ini, kita akan mengeksplorasi bagaimana teknik neuro-fuzzy dapat digunakan untuk mengkalibrasi rasio konversi backfiring, sehingga meningkatkan akurasi estimasi.

Apa itu Function Point Backfiring?

Function Point Backfiring adalah sebuah metode yang digunakan dalam estimasi ukuran perangkat lunak. Ini merupakan pendekatan yang mengonversi "Function Points" (FP) menjadi "Source Lines of Code" (SLOC). Intinya, metode ini menyediakan cara untuk mengestimasi jumlah baris kode yang akan dihasilkan berdasarkan analisis function points dari perangkat lunak yang akan atau telah dikembangkan.

Artikel ini fokus pada bagaimana menggabungkan kecerdasan buatan, khususnya jaringan saraf (neural networks) dan logika fuzzy, untuk meningkatkan akurasi dalam mengonversi Function Points menjadi Source Lines of Code (SLOC). Dengan melakukan kalibrasi ini, peneliti bertujuan untuk mengurangi margin kesalahan yang sering terjadi dalam metode konversi tradisional, sehingga memberikan estimasi ukuran perangkat lunak yang lebih tepat.

Masalah dengan Metode Backfiring Tradisional:

  • Backfiring mengubah Function Point menjadi Source Lines of Code (SLOC) dengan rasio konversi.
  • Meskipun populer, metode ini rentan terhadap kesalahan yang signifikan.

Mengapa Neuro-Fuzzy?

  • Teknik neuro-fuzzy menggabungkan neural network dan fuzzy logic, yang telah terbukti meningkatkan kinerja dalam model prediksi perangkat lunak.
  • Ini memungkinkan untuk kalibrasi rasio konversi yang lebih presisi.

Proses Kalibrasi Menggunakan Neuro-Fuzzy:

  • Rasio konversi diatur dalam "fuzzy sets" berdasarkan level bahasa pemrograman.
  • Neural network digunakan untuk mengkalibrasi set-set fuzzy ini, dengan berfokus pada data dari standar internasional seperti ISBSG.

Hasil dan Evaluasi:

  • Penelitian menggunakan 287 data point untuk membandingkan rasio konversi yang dikalibrasi dengan yang asli.
  • Hasil menunjukkan peningkatan kecil dalam akurasi, tetapi tidak secara konsisten menunjukkan perbaikan yang signifikan atas model tradisional.

Kesimpulan:

HALAMAN :
  1. 1
  2. 2
Mohon tunggu...

Lihat Konten Analisis Selengkapnya
Lihat Analisis Selengkapnya
Beri Komentar
Berkomentarlah secara bijaksana dan bertanggung jawab. Komentar sepenuhnya menjadi tanggung jawab komentator seperti diatur dalam UU ITE

Belum ada komentar. Jadilah yang pertama untuk memberikan komentar!
LAPORKAN KONTEN
Alasan
Laporkan Konten
Laporkan Akun