Estimasi Biaya Proyek Perangkat Lunak Menggunakan JST dan Algoritma Genetika

Abstract

Estimasi biaya pengembangan proyek perangkat lunak merupakan salah satu masalah yang kritis dalam rekayasa perangkat lunak. Kegagalan dari proyek perangkat lunak diakibatkan ketidak akuratannya estimasi sumber daya yang dibutuhkan. Beberapa model telah dikembangkan dalam beberapa dekade ini. Untuk memberikan keakuratan dalam estimasi biaya proyek perangkat lunak masih menjadi tantangan tersendiri.

Tujuan dilakukannya penelitian ini meningkatkan akurasi estimasi biaya proyek perangkat lunak dengan menerapkan algoritma genetika sebagai proses pelatihan pada ANN yang mengakomodasi formula dari Post Architecture Model (COCOMO II). COCOMO II merupakan model berbasis regresi yang digunakan untuk estimasi biaya proyek perangkat lunak. Dataset COCOMO adalah yang biasa digunakan untuk melakukan pelatihan dan pengujian pada jaringan. Magnitude of Relative Error (MRE) dan Mean Magnitude of Relative-Error (MMRE) digunakan sebagai pengkuran indikasi kinerja. Hasil percobaan menunjukan bahwa model yang diusulkan memberikan hasil estimasi biaya proyek perangkat lunak menjadi lebih akurat. Dalam kasus ini MMRE untuk COCOMO II adalah 73.01%, FFNN-BP adalah 39.90% dan FFNN-GA adalah 31.48%.