Optimasi bobot kompleksitas use case pada estimasi effort perangkat lunak Use Case Points menggunakan Grey Wolf Optimizer

Hanif Delfandi, Rahmat (2024) Optimasi bobot kompleksitas use case pada estimasi effort perangkat lunak Use Case Points menggunakan Grey Wolf Optimizer. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1900018076_JUDUL__240919012603.pdf Download (2MB)
	Text (BAB I) T1_1900018076_BAB_I__240919012603.pdf Download (1MB)
	Text (BAB II) T1_1900018076_BAB_II__240919012603.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III) T1_1900018076_BAB_III__240919012603.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB IV) T1_1900018076_BAB_IV__240919012603.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) T1_1900018076_BAB_V__240919012603.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (Daftar Pustaka) T1_1900018076_DAFTAR_PUSTAKA__240919012603.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Estimasi effort merupakan suatu kegiatan penting dalam proyek pengembangan
perangkat lunak. Estimasi dilakukan untuk mengetahui seberapa banyak sumber daya yang akan
digunakan dan berapa lama waktu yang diperlukan untuk menyelesaikan sebuah proyek. Salah
satu metode estimasi effort perangkat lunak yang dapat digunakan adalah Use Case Points
(UCP). Metode estimasi effort Use Case Point (UCP) memiliki kelebihan mudah
diimplementasikan untuk mengetahui estimasi awal proyek, prosedur perhitungannya
didefinisikan dengan baik, performanya lebih baik dibanding penilaian pakar dan tidak selalu
membutuhkan data histori proyek untuk estimasi. Sedangkan kelemahannya adalah berupa
ketidakpastian faktor biaya dan penentuan klasifikasi yang memiliki perbedaan nilai pengali yang
cukup tinggi. Oleh Karena itu, penelitian ini akan menggunakan algoritma Grey Wolf Optimizer
(GWO) untuk menemukan bobot kompleksitas use case agar bisa meningkatkan performa
akurasi estimasi UCP.
Dalam penelitian ini dataset yang akan digunakan adalah dataset Silhavy yang terdiri
dari 71 data proyek yang telah diselesaikan dan meliputi 12 atribut yaitu Simple Actors, Average
Actors, Complex Actors, UAW, Simple UC, Average UC, Complex UC, UUCW, TCF, ECF, Real_P20,
dan Real_Effort_Person_Hours. Teknik validasi yang digunakan adalah Leave One Out Cross
Validation (LOOCV). Algoritma GWO dijalankan sebanyak 30 kali dengan peningkatan 5 kali
setiap parameter populasi dan iterasi. Sedangkan, tahapan penelitian ini terdiri dari
pengumpulan data, penyiapan alat, optimasi, evaluasi, uji statistik non parametrik wilcoxon, dan
kesimpulan.
Hasil penelitian ini menunjukkan bahwa rata-rata Mean Absolute Error (MAE)
menggunakan algoritma Grey Wolf Optimizer (GWO) memberikan hasil yang lebih baik dengan
nilai MAE sebesar 1101.831519. Sementara itu, estimasi effort tanpa menggunakan algoritma
GWO menghasilkan nilai MAE sebesar 1810.872734. Dengan demikian, penggunaan algoritma
GWO mampu menurunkan estimasi effort sebesar 39,15% dibandingkan dengan metode Use
Case Points (UCP) tanpa algoritma. Berdasarkan uji statistik non-parametrik Wilcoxon, nilai
Asymp. Sig. sebesar 0,00<0,05 menunjukkan bahwa algoritma GWO secara efektif dapat
meningkatkan akurasi estimasi effort perangkat lunak dibandingkan dengan metode UCP tanpa
algoritma.

Item Type:	Thesis (S1)
Keyword:	Estimasi effort, use case points, grey wolf optimizer, optimasi, dataset, kompleksitas use case
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:	30 Oct 2024 01:24
Last Modified:	30 Oct 2024 01:24
URI:	http://eprints.uad.ac.id/id/eprint/77221

Actions (login required)

View Item