| dc.contributor.advisor | Hermadi, Irman | |
| dc.contributor.author | Rani, Aussie Komala | |
| dc.date.accessioned | 2014-12-16T06:08:47Z | |
| dc.date.available | 2014-12-16T06:08:47Z | |
| dc.date.issued | 2014 | |
| dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/71593 | |
| dc.description.abstract | Memprediksi biaya (atau usaha) pengembangan perangkat lunak adalah bagian yang paling menantang dalam proyek pengembangan perangkat lunak. Keberhasilan proyek dapat diprediksi sebelumnya baik dari perencanaan dan proses penjadwalan. Prediksi diukur dalam istilah person month yang diperlukan untuk mengembangkan proyek. Penelitian ini menggunakan logika fuzzy dan Constructive Cost Model (COCOMO) model dengan tiga variasi fungsi keanggotaan (MF), yaitu trapesium (MF1), berbentuk lonceng (MF2), dan kombinasi trapesium dan berbentuk lonceng (MF3). Data set yang digunakan dikumpulkan dari NASA yang terdiri atas 102 proyek dari tahun 1971 sampai 1990. Beberapa ukuran evaluasi yang digunakan adalah Mean Magnitude of Relative Error (MMRE) dan Magnitude of Relative Error (MRE) untuk mengukur keakuratan prediksi. Percobaan ini menghasilkan MMRE untuk MF1 65,51%, 92,74% MF2, dan MF3 163,36%. Meskipun MF2 memiliki MRE terkecil, yaitu, 0%, MF1 memiliki akurasi terbaik. | en |
| dc.description.sponsorship | Predicting software development cost (or effort) is the most challenging part in software development project. The success of a project can be predicted earlier from both planning and scheduling processes. The prediction is measured in term of person month that is required to develop the project. This research used fuzzy logic and Constructive Cost Model (COCOMO) model with three variations of membership function (MF), i.e. trapezoidal (MF1), bell-shaped (MF2), and combination of trapezoidal and bell-shaped (MF3). The dataset used is collected from NASA that consists of 102 projects from 1971 to 1990. Some evaluation measures used are Mean Magnitude of Relative Error (MMRE) and Magnitude of Relative Error (MRE) to measure the accuracy of the prediction. The experiments resulted MMRE for MF1 65.51%, MF2 92.74%, and MF3 163.36%. While MF2 has the least MRE, i.e., 0%, MF1 has the best accuracy. | en |
| dc.language.iso | id | |
| dc.publisher | Bogor Agricultural University (IPB) | |
| dc.title | Perkiraan usaha pengembangan perangkat lunak menggunakan fuzzy - intermediate COCOMO | en |
| dc.title.alternative | Software development effort estimation using fuzzy – intermediate COCOMO | en |
| dc.type | Undergraduate Thesis | en |
| dc.subject.keyword | perkiraan usaha perangkat lunak | en |
| dc.subject.keyword | COCOMO | en |
| dc.subject.keyword | logika fuzzy | en |
| dc.subject.keyword | fungsi keanggotaan | en |
