Menyelidiki Penggunaan Adaptive Neuro-Fuzzy System Dalam Estimasi Upaya Pengembangan Perangkat Lunak
Nessa Aulia Jalapuspa Tambunan
Estimasi upaya pengembangan perangkat lunak diperlukan pada saat pengembangan perangkat lunak, hal ini dilakukan guna memprediksi jumlah upaya paling realistis yang diperlukan untuk mengembangkan atau memelihara perangkat lunak berdasarkan masukan yang tidak lengkap, tidak pasti, dan bermasalah. Perkiraan upaya dapat digunakan sebagai masukan terhadap rencana proyek, rencana iterasi, anggaran, analisis investasi, proses penetapan harga, dan putaran penawaran.
Adaptive Neuro-Fuzzy Inference System
Sistem Inferensi Neuro-Fuzzy Adaptif (ANFIS) adalah jenis teknik komputasi lunak yang menggabungkan kemampuan pembelajaran jaringan syaraf tiruan (JST) dengan kekuatan representasi linguistik yang ditawarkan oleh logika fuzzy. ANFIS adalah sistem hybrid yang mengintegrasikan logika fuzzy dan jaringan saraf untuk menciptakan sistem yang lebih kuat dan fleksibel untuk memodelkan sistem yang kompleks.
ANFIS menggunakan seperangkat aturan fuzzy untuk mewakili hubungan input-output suatu sistem dan menggunakan jaringan saraf untuk mempelajari parameter aturan fuzzy. Model ANFIS terdiri dari lima lapisan: lapisan masukan, lapisan fuzzifikasi, lapisan aturan, lapisan defuzzifikasi, dan lapisan keluaran. Lapisan masukan menerima data masukan, yang kemudian dilewatkan melalui lapisan fuzzifikasi untuk mengubah data masukan menjadi himpunan fuzzy.
Lapisan aturan menerapkan seperangkat aturan fuzzy ke himpunan fuzzy untuk menghasilkan keluaran. Lapisan defuzzifikasi mengubah keluaran fuzzy menjadi keluaran yang tajam, yang kemudian dilewatkan melalui lapisan keluaran untuk menghasilkan keluaran akhir. ANFIS banyak digunakan di berbagai bidang, termasuk teknik, keuangan, dan kedokteran, untuk tugas pemodelan dan prediksi.
Penerapan ANFIS Pada Estimasi Upaya Pengembangan Perangkat Lunak
Artikel jurnal tidak memberikan hasil rinci mengenai teknik Function Point Analysis (FPA). Namun, Tabel 3 dalam artikel tersebut merangkum kinerja model ANFIS dan membandingkannya dengan model tradisional lainnya, termasuk FPA. Tabel tersebut menunjukkan bahwa model ANFIS mengungguli model FPA baik dari segi nilai MMRE maupun korelasi R. Nilai MMRE model ANFIS sebesar 32,4, sedangkan nilai MMRE model FPA sebesar 103. Nilai R korelasi model ANFIS sebesar 0,989, sedangkan nilai R korelasi model FPA sebesar 0,58. Hasil ini menunjukkan bahwa model ANFIS lebih akurat dan dapat diandalkan dibandingkan model FPA untuk estimasi upaya pengembangan perangkat lunak.
Pengembangan Perangkat Lunak
