Estimasi usaha perangkat lunak berbasis agile dengan pemilihan parameter friction factor dan dynamic factor menggunakan chaotic particle swarm optimization

AJI NUGROHO, NANDA (2023) Estimasi usaha perangkat lunak berbasis agile dengan pemilihan parameter friction factor dan dynamic factor menggunakan chaotic particle swarm optimization. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1800018270_JUDUL__230624114855.pdf Download (1MB)
	Text (BAB I) T1_1800018270_BAB_I__230624114855.pdf Download (229kB)
	Text (BAB II) T1_1800018270_BAB_II__230624114855.pdf Restricted to Registered users only Download (540kB) | Request a copy
	Text (BAB III) T1_1800018270_BAB_III__230624114855.pdf Restricted to Registered users only Download (470kB) | Request a copy
	Text (BAB IV) T1_1800018270_BAB_IV__230624114855.pdf Restricted to Registered users only Download (771kB) | Request a copy
	Text (BAB V) T1_1800018270_BAB_V__230624114855.pdf Restricted to Registered users only Download (207kB) | Request a copy
	Text (Daftar Pustaka) T1_1800018270_DAFTAR_PUSTAKA__230624114855.pdf Restricted to Registered users only Download (160kB) | Request a copy
	Text (Lampiran) T1_1800018270_LAMPIRAN__230624114855.pdf Restricted to Registered users only Download (321kB) | Request a copy
	Text (Naskah Publikasi) T1_1800018270_NASKAH_PUBLIKASI__230624114855.pdf Restricted to Registered users only Download (493kB) | Request a copy

Abstract

Pada estimasi effort agile terdapat dua parameter yang mempengaruhi hasil estimasi effort, yaitu parameter friction factor dan dynamic factor. Selama ini pemilihan kedua parameter tersebut masih dilakukan secara manual oleh estimator, sehingga mempengaruhi hasil estimasinya. Pemilihan nilai parameter yang tepat akan dapat menghasilkan hasil estimasi yang lebih akurat. Particle swarm optimization (PSO) dapat digunakan untuk membantu memilih kedua parameter tersebut secara tepat. Algoritma ini menginisialisasi populasi secara acak dan mencari solusi optimal dengan memperbarui solusinya di tiap iterasi hingga menemukan solusi optimum. Namun, algoritma PSO memiliki beberapa kekurangan yaitu ketergantungan pada pemilihan parameter yang tepat seperti jumlah partikel, kecepatan dan faktor akselerasi dan partikel PSO cenderung mudah terjebak di sekitar titik optimum lokal serta tidak efektif untuk masalah yang memiliki banyak dimensi. Tujuan penelitian ini adalah melakukan pemilihan nilai parameter friction factor dan dynamic factor menggunakan agoritma chaotic particle swarm optimization (CPSO) . CPSO menggabungkan antara PSO dan sistem dinamika chaotic non- linear. CPSO telah terbukti efektif dalam menyelesaikan berbagai permasalahan optimisasi yang kompleks dan non-linear. CPSO menggunakan sistem dinamika chaotic untuk memperluas ruang pencarian solusi dan menghindari terjebak di dalam optimum lokal. Penelitian ini diharapkan dapat mengetahui pengaruh optimasi yang dilakukan menggunakan algoritma Chaotic particle swarm optimization (CPSO) dan meningkatkan kualitas estimasi usaha perangkat lunak.
Dalam penelitian ini, metode yang digunakan yaitu metode estimasi perangkat lunak agile, proses estimasi menggunakan algoritma chaotic particle swarm optimization (CPSO) untuk memilih nilai parameter friction factor dan dynamic factor, eksperimen dilakukan menggunakan dataset Ziauddin yang berisi 21 proyek pengembangan perangkat lunak metode agile. Metode agile yang dioptimasi menggunakan algoritma CPSO dijalankan sebanyak 30 kali untuk mendapatkan hasil nilai Mean Absolute Error (MAE) dengan percobaan menggunakan 10 partikel, 15 partikel, 20 partikel, 25 partikel, 30 partikel, 35 partikel dan 40 partikel. Setelah itu dilihat jumlah partikel dengan hasil MAE yang paling kecil untuk digunakan dalam proses estimasi. Evaluasi dan validasi dilakukan menggunakan LOOCV, Absolute Error, Mean Absolute Error, MIBRE, MBRE, SA dan ES. Terakhir dilakukan uji statistik dengan menggunakan uji Wilcoxon signed rank test.
Hasil dari penelitian ini adalah perbandingan hasil estimasi effort algoritma CPSO dan estimasi effort tanpa algoritma optimasi. Hasil perbandingan menunjukkan bahwa estimasi effort menggunakan algoritma CPSO mampu mendekati nilai aktual effort di seluruh data dan terdapat perbedaan antara nilai estimasi effort menggunakan algoritma CPSO dan tanpa algoritma optimasi. Nilai estimasi effort menggunakan algoritma CPSO lebih optimal dibandingkan nilai estimasi effort tanpa algoritma optimasi. Berdasarkan uji statistik non parametrik Wilcoxon signed rank test menunjukkan nilai Asymp.Sig. 0.000 < 0.05. Hasil itu menunjukkan bahwa algoritma CPSO berhasil menghasilkan estimasi effort perangkat lunak agile lebih baik.

Item Type:	Thesis (S1)
Keyword:	Agile; estimasi effort; chaotic particle swarm optimization; friction factor, dynamic factor
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	userperpus2 userperpus2
Date Deposited:	22 Oct 2024 03:09
Last Modified:	22 Oct 2024 03:09
URI:	http://eprints.uad.ac.id/id/eprint/76845

Actions (login required)

View Item