PERKIRAAN BIAYA PERANGKAT LUNAK MENGGUNAKAN LOGIKA FUZZY

Slides:



Advertisements
Presentasi serupa
PROYEK PERANGKAT LUNAK : ALTERNATIF PENERAPAN TEORI DALAM PRAKTEK Amin Kurniawan.
Advertisements

PERENCANAAN PROYEK PERANGKAT LUNAK Pertemuan 3.
PENGANTAR VB.NET.
Metodologi Pengembangan Sistem Informasi Akuntansi
Madhata,S.KomRekayasa Perangkat Lunak 1. Madhata,S.KomRekayasa Perangkat Lunak 2 COCOMO merupakan salah satu model penilaian perangkat lunak yang ddigunakan.
Muhammad Taufik Syastra
TUGAS UJIAN AKHIR SEMESTER
PERENCANAAN PROYEK PERANGKAT LUNAK
SOFT COMPUTING PERTEMUAN 2.
Susunan Proposal Penelitian Skripsi
Manajemen Biaya Proyek
Manajemen Biaya Proyek
LOGIKA FUZZY .
Constructive Cost Model
Soft Computing (SC) M. Haviz Irfani, S.Si, M.T.I. September 2011.
© 2009 Fakultas Teknologi Informasi Universitas Budi Luhur Jl. Ciledug Raya Petukangan Utara Jakarta Selatan Website:
Rekayasa Perangkat Lunak (Software Engineering)
Perencanaan Proyek Software
1 Pendahuluan Pertemuan 1 Matakuliah: R0364/Komputasi Desain Arsitektur I Tahun: 2006.
PRIHANDOKO S.Kom, MIT, PDH
LOGIKA FUZZY.
PEMBANGUNAN CONTENT STREAMING UNTUK SISTEM PEMBELAJARAN JARAK JAUH (SIRANJAJA) PADA JARINGAN PICONET MENGGUNAKAN JAVA API JSR-82 Oleh: M.H. Yusa’ G
PENJADWALAN Pengelolaan Sistem Informasi.
Rekayasa Perangkat Lunak Perencanaan Proyek Perangkat Lunak
Estimasi biaya.
MANAJEMEN PEMANTAUAN PERANGKAT JARINGAN KOMPUTER KAMPUS IPB DARMAGA
Elin herlina B-Reguler
SEMINAR TUGAS AKHIR 16 JULY 2008
Fernissa .F. (G ) Dosen Pembimbing : Shelvie Nidya Neyman S.Kom, M.Si
Disusun Oleh: AVE ABDI SARAGIH
Optimasi Pemilihan Produk Operator GSM dan CDMA Menggunakan ANFIS
Pengembangan Sistem Informasi Manajemen Akademik Berbasis Web
Oleh: Aditya Nugroho G Dibimbing Oleh: Ir. Agus Buono, M.Si., M.Kom.
Pengembangan Modul Fuzzy Query pada Fuzzy Database Management System
Kode MK :TIF , MK : Fuzzy Logic
Sistem Informasi Pemetaan Profil Kriminalitas Berbasis Web
Mohamad Fatchur Rochman
Oleh: Ineza Nur Oktabroni (G )
Penambahan Operasi OLAP dan Fungsi Agregat pada Temporal Data Warehouse Tanaman Pangan Kabupaten Karo Oleh : Karina Gusriani – G Pembimbing : Ibu.
MUHAMMAD RAFI MUTTAQIN G
SISTEM KOMPUTER UNIVERSITAS GUNADARMA
Martin Budi G Di Bawah Bimbingan Rindang Karyadin, S.T., M.Kom.
PEMBUATAN POHON KEPUTUSAN
PROYEK SISTEM INFORMASI
Wisnu Ananta Kusuma, ST, MT
Manajemen Biaya Proyek
Firman Ardiansyah, S.Kom, M.Si. Imas S. Sitanggang, S.Si., M.Kom
REKAYASA PERANGKAT LUNAK
PERENCANAAN (PROYEK) PERANGKAT LUNAK
PCLINUXOS TEKNIK PEMBUATAN DISTRO LINUX ATUNEZ-ME BERBASIS
Manajemen Biaya Proyek
APLIKASI PEMESANAN MOBIL ONLINE PT SELLA MOBILINDO Yusuf Randy
Metode Penelitian Pertemuan 4
KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
Mata Kuliah Analisa Perancangan Sistem Informasi
PROGRAM STUDI SISTEM INFORMASI TEKNIK INFORMATIKA
Aplikasi Penyimpanan Data Pegawai SMP PIRI 2 Yogyakarta
Presentasi Tugas Akhir
REKAYASA PERANGKAT LUNAK
Estimasi biaya.
KLASIFIKASI.
PENGANTAR VB.NET.
Firman Ardiansyah S.Komp, M.Si.
Oleh : DENI ROMADONI (G ) Pembimbing : Dr. Ir. Sri Nurdiati, M.Sc
Pembimbing : Aziz Kustiyo, S.Si., M.Kom. Endang Purnama Giri, S.Kom.
Oleh: Wahyu Dwi Suryanto G
PENJADWALAN PERKULIAHAN MENGGUNAKAN ALGORITME GENETIKA
PERENCANAAN PROJEK PERANGKAT LUNAK
Oleh : Rhamdani (G ) Dibimbing oleh : Wisnu Ananta Kusuma, S.T, M.T
Logika Fuzzy Dr. Mesterjon,S.Kom, M.Kom.
Transcript presentasi:

PERKIRAAN BIAYA PERANGKAT LUNAK MENGGUNAKAN LOGIKA FUZZY Oleh : Denny Setia Mulyadi G64104030   Pembimbing : Irman Hermadi, S.Kom, MS Wisnu Ananta Kusuma, ST, MT

Pentingnya estimasi biaya dalam pengembangan perangkat lunak Latar Belakang Pentingnya estimasi biaya dalam pengembangan perangkat lunak » Terlalu tinggi → pemborosan sumber daya » Terlalu rendah → developer rugi, proyek tidak selesai Selisih estimasi biaya yang cukup jauh pada 2 proyek yang analogi

Selisih estimasi biaya yang cukup jauh Contoh… Nilai linguistik variabel untuk Cost Driver DATA Low Nominal High Very High data < 10 10 ≤ data < 100 100 ≤ data < 1000 data ≥ 1000 P1 data = 9.9 → DATA masuk kategori ‘low’ P2 data = 10.1 → DATA masuk kategori ‘nominal’ Begitu juga dengan Cost Driver lainnya » P1 = 15 MM (Man-Months) » P2 = 35 MM (Man-Months) Selisih estimasi biaya yang cukup jauh

Tujuan Estimasi menggunakan logika fuzzy Analisis kinerja penerapan konsep fuzzy

Data : NASA Project dari tahun 1980 – 1990 sebanyak 93 proyek Ruang Lingkup Data : NASA Project dari tahun 1980 – 1990 sebanyak 93 proyek Atribut : model pengembangan proyek, ukuran perangkat lunak, biaya aktual 15 jenis Cost Driver

Manfaat Pemodelan menggunakan logika fuzzy Informasi kinerja penerapan konsep fuzzy

Tinjauan Pustaka Perkiraan Biaya Perangkat Lunak Proses memprediksi biaya yang diperlukan dalam pengembangan sistem perangkat lunak (Leung 1990) Cost Driver (Saliu 2003): Produk -> Data, Rely, Cplx Platform -> Time, Stor, Virt, Turn Personil -> Acap, Aexp, Pcap, Vexp, Lexp Proyek -> Modp, Tool, Sced

Lanjutan… Model Pengembangan Proyek Organic, Semidetached, Embedded (NASA 2005). Intermediate COCOMO » Ekstensi dari versi basic COCOMO » Penambahan atribut penghitungan → Cost Driver (Boehm 1981 dalam Idri et. al 2000)

Lanjutan… Logika Fuzzy Logika fuzzy berhubungan dengan prinsip-prinsip pemberian alasan formal mengenai suatu hal yang tidak mempunyai ketentuan atau pemberian alasan perkiraan (Zadeh 1996) Classical Sets Fuzzy Sets

Perbedaan himpunan fuzzy dengan himpunan klasik Himpunan Fuzzy (Fuzzy Sets) Himpunan Klasik (Classical Sets)

Lanjutan… Fuzzy Intermediate COCOMO Mendefinisikan himpunan fuzzy (fuzzy sets) untuk setiap variabel linguistik pada Cost Driver (Idri et al 2001). Effort Multiplier yang digunakan berasal dari persamaan :

Membership function untuk Cost Driver LEXP (Idri et al. 2001) Contoh… Nilai linguistik variabel untuk Cost Driver LEXP (Programming Language Experience) Very Low Low Nominal High lexp < 1 1 < lexp < 4 4 < lexp < 12 12 < lexp < 36 Very Low Low Nominal High Membership function untuk Cost Driver LEXP (Idri et al. 2001)

Lanjutan… Evaluasi Model Perkiraan Biaya Perangkat Lunak Membandingkan akurasi dari biaya estimasi dengan biaya aktualnya (Boehm 1981 dalam Indri et al. 2001) Magnitude of Relative Error didapat dari persamaan :

Parameter lainnya: Jika proyek lebih dari 1 (sebanyak N proyek) : Median MRE (MdMRE) SDMRE (Standar Deviasi MRE) Max MRE dan min MRE Makin kecil nilai – nilai tersebut, maka makin baik sistem yang dibuat (Boehm 1981 dalam Indri et al. 2001)

Metode Penelitian

Pengumpulan data http://www.promisedata.org NASA Project (proyek NASA dari tahun 1980 -1990) 93 Proyek 24 Atribut ( 15 jenis CD, 7 deskripsi proyek, ukuran perangkat lunak, dan biaya aktual proyek)

Pengembangan Sistem Mendefinisikan Membership Function (DATA, TIME, STOR, VIRT, TURN, ACAP, AEXP, PCAP, VEXP, LEXP, SCED) Membership Function tidak didefinisikan (RELY, CPLX, MODP, TOOL)

Pengujian dan Analisis Pengujian dibagi menjadi 2 tahap Sebelum penerapan fuzzy Pengujian dilakukan sebanyak 1 kali Dihitung nilai galat MRE, MMRE, MdMRE, SDMRE, Min MRE dan Max MRE Setelah penerapan fuzzy Membuat 10 dataset Pada tiap pengujian dihitung nilai galat MRE, MMRE, MdMRE, SDMRE, Min MRE dan Max MRE

Lingkungan Pengembangan Perangkat Lunak Microsoft Windows XP Profesional Microsoft Office Excel 2007 MATLAB 7.0 Perangkat Keras PC Intel Pentium IV 2.67 GHz DDRAM 1280 MB Hardisk 120 GB

Hasil dan Pembahasan Fuzzy Intermediate COCOMO Intermediate COCOMO Akurasi Kinerja

Grafik MRE NASA Project Intermediate COCOMO Grafik MRE NASA Project Terdapat 4 pencilan, yaitu pada proyek ke-59, 67, 78 dan 92

Intermediate COCOMO lanjutan Agregat galat NASA Project menggunakan Intermediate COCOMO

Fuzzy Intermediate COCOMO Agregat Galat menggunakan Fuzzy Intermediate COCOMO

Grafik perbandingan MRE Lanjutan… Akurasi Tiga dataset dengan nilai MMRE terkecil Grafik perbandingan MRE

Grafik perbandingan MRE Lanjutan… Tiga dataset dengan nilai MMRE terbesar Grafik perbandingan MRE

Hasil pengujian proyek yang analogi Lanjutan… Kinerja Hasil pengujian proyek yang analogi

Hasil pengujian proyek yang tidak analogi Lanjutan… Hasil pengujian proyek yang tidak analogi

Kesimpulan Galat Fuzzy Intermediate COCOMO lebih kecil dari Intermediate COCOMO Estimasi biaya pada Fuzzy Intermediate COCOMO sangat dipengaruhi oleh perubahan nilai input (CD)

Saran Merepresentasikan ukuran perangkat lunak dan model pengembangan proyek dalam himpunan fuzzy Mendefinisikan membership function untuk CD : RELY, CPLX, MODP, TOOL

Daftar Pustaka Briand, Lionel. Et al. 1999. An Assement and Comparison of Common Software Cost Estimation Model Based on Integration of Multi-agent and Case-Based Reasoning. Journal of Computer Science 2. ISSN, 3:276-282. Idri, Ali dan Abran, Alain. COCOMO Cost Model Using Fuzzy Logic. Department of Computer Science, UAQM. Montreal, Canada. Idri, Ali. et all. 2000. Fuzzy Analogy : A New Approach for Software Cost Estimation. International Workshop on Software Measurement. Montreal, Canada. Leung, Hareton. dan Zhang Fan. 2001. Software Cost Estimation. Departement of Computing, The Hong Kong Polytechnic University. NASA Cost Estimating Web Site. 2005. http://cost.jsc.nasa.gov/COCOMO.html Promise Software Engineering Repository data set. 2004. http://www.promisedata.org Saliu, Moshood Omolade, 2003. Adaptive Fuzzy Logic Based Framework For Software Development Effort Prediction. King Fahd University of Petroleum & Minerals.

SELESAI Terima Kasih