Main Article Content

Abstract

Software effort estimation biasanya menjadi penentu sukses atau tidaknya kontrak negosiasi dan sepakat atau tidak sepakatnya sebuah proyek dijalankan. Keakurasian dari model estimasi biaya pengembangan software dibutuhkan untuk keefektifan prediksi, monitoring kontrol pengembangan software dan menaksir pengembangan software. Software tersebut akan menyampaikan berapa usaha yang dibutuhkan, biaya untuk menjalankan proyek, tenaga kerja yang diperlukan serta waktu kerja yang akan dihabiskan untuk menjalankannya. Penelitian ini bertujuan untuk melakukan proses inferensi secara dinamis dengan mengadopsi kemampuan Case Based Reasoning (CBR) untuk mengestimasi upaya pengembangan software. Perhitungan besaran fungsional dengan menggunakan COSMIC dataset yang dikemas dengan CBR akan memberikan hasil maksimal dalam hal menentukan kecepatan dalam proses estimasi khususnya pada tahap proposal atau penawaran projek software dimana perhitungan lebih efisien terhadap waktu karena memiliki refrensi terhadap kasus-kasus lama. Pengambilan dataset COSMIC yang sesuai berdasarkan tingkat kesamaan kasus menggunakan k-Nearest Neighbor (KNN) menghasilkan akurasi yang baik dengan perhitungan yang sederhana.

Article Details

Author Biographies

Maria Rosario Borroek, STIKOM Dinamika Bangsa Jambi

Dosen

Edrian Hadinata, Sekolah Tinggi Teknik Harapan Medan

Dosen
How to Cite
Borroek, M. R., & Hadinata, E. (2017). Proses Inferensi Dinamis Pada Software Effort Estimation Menggunakan Case Based Reasoning. Jurnal Komputer Terapan, 3(2), 77–94. Retrieved from https://jurnal.pcr.ac.id/index.php/jkt/article/view/1052

References

  1. Saxena, Urvashi Rahul & Singh, SP, Software Effort Estimation Using Neuro-Fuzzy Approach, Software Engineering (CONSEG), CSI Sixth International Conference on, IEEE Publisher, pp 1 – 6, 2012
  2. Bhardwaj, Mridul. & Ajay, Rana, Estimation of Testing and Rework Effort for Software Development Projects, Asian Journal of Computer Science and Information Technology. Vol 5, No 5, pp 33 – 37, 2015
  3. Delany, Jane Sarah et al., The Limit of CBR in Software Project Estimation, ,Gemany Workshop on Case-Based Reasoning, pp 1-10, 1998,
  4. Sammut, C. & Webb, G.I, Encyclopedia of Machine Learning,. Springer, 2011
  5. Brady, Adam et al, , Case-Based Reasoning for Reducing Software Development Effort, Journal Software Engineering & Application (JSEA), Vol 3, pp 1005 – 1014, 2010
  6. Suguna, N. and Thanushkodi, K, An Improved k-Nearest Neighbor Classification Using Genetic Algorithm, IJCSI International Journal of Computer Science Issues, Vol. 7, Issue 4, No 2, pp 18 – 21, 2010
  7. Aamodt, A. and Plaza, E., Case-based reasoning: foundational issues, methodological variations and system approaches, Artificial Intelligence Communications, Vol 7, No.1, p.3059, 1994