Model Segmentasi Variabel Kategoris untuk Estimasi Usaha Pengembangan Perangkat Lunak
Nirmala Febriyanti Putri
Makalah ini mengusulkan model baru untuk estimasi upaya pengembangan perangkat lunak, yang didesain berdasarkan analisis fungsi poin dan segmentasi variabel kategoris (CVS) serta regresi bertahap. Metode regresi bertahap digunakan untuk menciptakan model estimasi unik untuk setiap segmen. Model CVS baru ini menunjukkan peningkatan akurasi estimasi dibandingkan dengan metode-metode dasar, yaitu analisis poin fungsi tanpa pengelompokan dan model berbasis pengelompokan.
Kesimpulannya, model CVS yang baru diperkenalkan dalam penelitian ini berbasis pada segmentasi set data, di mana Ukuran Relatif digunakan sebagai parameter segmentasi. Pendekatan ini memungkinkan estimasi upaya pengembangan perangkat lunak dengan menggunakan model spesifik yang dilatih pada segmen data tertentu. Pendekatan ini mengungguli semua metode dasar yang diuji dan menyederhanakan proses estimasi. Model CVS bekerja paling baik ketika variabel Ukuran Relatif digunakan untuk segmentasi, dengan nilai MAPE sebesar 34% dan PRED (25) sebesar 0.53. Kedua nilai ini menunjukkan bahwa model yang diusulkan mengungguli semua metode dasar dan mengkonfirmasi aplikabilitas praktisnya di industri perangkat lunak.
