Seleksi Atribut dan Optimasi Parameter Algoritma Regresi Linier Pada Datasets Software Effort Estimation

Wahyutama Fitri Hidayat, Ahmad Setiadi, Yesni Malau, Muhammad Fahmi Julianto

Abstract


Software Effort Estimation merupakan proses estimasi perangkat lunak sebagai suatu proses yang penting dalam proyek perangkat lunak. Berbagai penelitian yang sudah dilaksanakan sudah melakukan estimasi perangkat lunak dengan berbagai metode, baik metode machine learning maupun non machine learning. Penelitian ini dengan menggunakan data set eksperimen seleksi atribut forword selection dan optimasi Particle Swarm Optimization pada parameter proyek menggunakan teknik regresi linier sebagai estimasinya. Dataset software estimation effort yang digunakan dalam penelitian ini adalah yakni Albrech, Kamrer, Desharnais, Maxwell, Kitchenham CSC, Cocomo NASA v1, Cocomo NASA v2.  Setelah itu peneliti melakukan seleksi atribut dan optimasi digunakan sebagai seleksi parameter proyek, hasil seleksi yang akan dibandingkan pada saat melakukan Software Effort Estimation menggunakan aplikasi Rapid Minner. Namun terdapat dua dataset yaitu Maxwell dan Cocomo Nasa V2 baik nilai RMSE maupun nilai AE tidak mengalami penurunan, sedangkan pada dataset  Albrecth dan China untuk nilai AE juga tidak mengalami penurunan, Estimasi untuk dataset lainya semakin baik setelah di lakukan seleksi fitur forword selection dan optimalisasi Particle Swarm Optimization. Hal tersebut menunjukan bahwa semakin rendah nilai error AE dan RMSE maka semakin tepat nilai estimasi yang dihasilkan.Berdasarkan nilai RMSE dan AE yang dihasilkan maka dapat disimpulkan bahwa dataset yang dihasilkan seleksi atribut forword selection dan optimalisasi Particle Swarm Optimization menggunakan algoritma linier regresi dataset Albrecht menunjukan hasil lebih baik dibanding dataset lainya.

 

Kata Kunci : Software Effort Estimation, Regresi Linier, Forword Selection, Particle Swarm Optimization.


Full Text:

PDF

References


Adhitya, E. K., Satria, R., & Subagyo, H. (2015). Komparasi Metode Machine Learning dan Metode Non Machine Learning untuk Estimasi Usaha Perangkat Lunak. IlmuKomputer.Com Journal of Software Engineering, 1(2), 109–113.

Andriani, A. (2020). Optimasi Data dengan Regresi Linier pada Klasifikasi Potensi Kenaikan CFR Demam Berdarah. 12(4), 1–7.

Fachruddin, F., & Pratama, Y. (2017). Eksperimen Seleksi Fitur Pada Parameter Proyek Untuk Software Effort Estimation dengan K-Nearest Neighbor. JURNAL INFORMATIKA : Jurnal Pengembangan IT, 2(2), 53–62. http://ejournal.poltektegal.ac.id/index.php/informatika/article/view/510

Fraticasari, S. Y., Ratnawati, D. E., & Wihandika, R. C. (2018). Optimasi Pemodelan Regresi Linier Berganda Pada Prediksi Jumlah Kecelakaan Sepeda Motor Dengan Algoritme Genetika. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (JPTIIK) Universitas Brawijaya, 2(5), 1932–1939. http://j-ptiik.ub.ac.id

Kurniawan, I., & Abror, A. F. (2019). Komparasi Metodi Kombinasi Seleksi Fitur Dan Machine Learning K-Nearest Neighbor Pada Dataset Label Hours Software Effort Estimation.

Miyazaki, Y., Terakado, M., Ozaki, K., & Nozaki, H. (1994). Robust regression for developing software estimation models. The Journal of Systems and Software, 27(1), 3–16. https://doi.org/10.1016/0164-1212(94)90110-4

Pertiwi, M. W., & Indrajit, R. E. (2017). Metode Regresi Linier Untuk Prediksi Pengadaan Inventaris Barang. Simposium Nasional Ilmu Pengetahuan Dan Teknologi (SIMNASIPTEK), 27–30.

Rasywir, E., & Purwarianti, A. (2015). Eksperimen pada Sistem Klasifikasi Berita Hoax Berbahasa Indonesia Berbasis Pembelajaran Mesin. Jurnal Cybermatika, 3(2), 1–8. https://www.mendeley.com/import/

Sanjaya, R., & Fitriyani, F. (2019). Prediksi Bedah Toraks Menggunakan Seleksi Fitur Forward Selection dan K-Nearest Neighbor. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 5(3), 316. https://doi.org/10.26418/jp.v5i3.35324

Saptono, R., & Anggrainingsih, R. (2017). Development of Software Size Estimation Application using Function Point Analysis (FPA) Approach with Rapid Application Development (RAD). ITSMART: Jurnal Teknologi Dan Informasi, 5(2), 96–103. https://jurnal.uns.ac.id/itsmart/article/view/1988

Setiawan, T. A., Fadhilah, N., & Jumiati, E. (2019). Penerapan Metode Linier Regresi Untuk Prediksi Nilai Aset Pemerinatah Kota Pekalongan. IC Tech, XIV(2), 50–53.

Shepperd, M., & Schofield, C. (1997). Estimating software project effort using analogies. IEEE Transactions on Software Engineering, 23(11), 736–743. https://doi.org/10.1109/32.637387




DOI: https://doi.org/10.31294/bi.v9i1.10002

DOI (PDF): https://doi.org/10.31294/bi.v9i1.10002.g4825

ISSN2338-9761 (media online), 2338-8145 (media cetak)

Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License