Anda di halaman 1dari 2

Fuzzy Logic for Enhancing the Sensitivity of COCOMO Cost Model

Abeer Hamdy
Computers and Systems Department, Electronics Research Institute &
Faculty of Informatics and Computer science, British University in Egypt Egypt
Abeer.hamdy@bue.edu.eg

I.

Pendahuluan

Estimasi biaya perangkat lunak mengacu pada prediksi dari usaha manusia (biasanya diukur dalam man-month)
dan waktu yang dibutuhkan untuk mengembangkan artefak perangkat lunak. Estimasi akurat dari upaya
pembangunan dan biaya sistem perangkat lunak adalah salah satu tugas penting dan menantang untuk perangkat
lunak manajemen proyek. Membantu dalam negosiasi kontrak, penjadwalan proyek dan alokasi sumber daya
yang efisien. Namun, perkiraan pada tahap awal proyek ini adalah yang paling sulit diperoleh karena sumber
utama untuk memperkirakan biaya berasal dari dokumen spesifikasi kebutuhan [1]. Penelitian yang cukup telah
dilakukan di masa lalu, untuk datang dengan berbagai prediksi model usaha. pada tahun 1978, Putnam
mengembangkan
model
awal
yang
dikenal
sebagai
slim
[2].
pada
tahun
1981,
Boehm mengusulkan biaya model estimasi, COCOMO 81 (Konstruktif Biaya Model) [3], [4]. Beberapa
algoritma lainnya model telah diusulkan dalam literatur seperti fungsi analisis titik [5] dan Gunakan titik kasus
[6]. Semua model ini yang berasal dengan menerapkan teknik regresi data dari proyek masa lalu. Mereka tidak
memiliki kemampuan untuk menangani ketidakjelasan dan ketidaktelitian terkait dengan proyek yang berbeda
atribut. fuzzy logic, diperkenalkan oleh Lofty Zadeh [7], memberikan konsep fuzzy set untuk menangani hal
yangkabur dan data yang tidak akurat.
Meningkatkan Menengah COCOMO81 menggunakan Fuzzy logika adalah penekanan utama dari makalah ini
karena dua alasan: 1) Ini adalah model yang digunakan secara luas dan 2) Untuk menggunakan dataset publik
tersedia COCOMO81 (seperti COCMONNASA2 [8]) dalam percobaan.
Makalah ini disusun sebagai berikut: Bagian 2 memperkenalkan model biaya COCOMO81. Bagian 3 membahas
masalah ketidaktepatan terkait dengan COCOMO dan diusulkan solusi fuzzy. Bagian 4 membahas percobaan
dan hasil. kerja terkait diperkenalkan dalam bagian 5. Sementara, Bagian 6 menyimpulkan kertas dan
memperkenalkan masa depan penelitian.
II.

KEKURANGAN

Kekurangannya adalah jumlah dataset sangat mempengaruhi keakuratan hasil estimasi. Dan atribut rentang
waktu pengerjaan proyek tidak digunakan sebagai parameter masukan Slack time pengerjaan PL tidak
diakomodasi model serta penggunaan metode-metode SDLC tidak dipertimbangkan.
III.

KESIMPULAN DAN MASA DEPAN PENELITIAN

Tujuan kami adalah mengembangkan model adaptif fuzzy untuk estimasi usaha software. Penelitian ini adalah
yang pertama langkah menuju tujuan ini. Sebuah komponen berdasarkan logika-fuzzy telah ditambahkan ke
COCOMO81 Model menengah untuk meningkatkan akurasi dan sensitivitas. Eksperimental hasilnya
menjanjikan. Mereka menunjukkan bahwa model kami lebih sensitif dibandingkan COCOMO. Hal ini diketahui
bahwa kinerja soda yang model tergantung pada parameter fuzzy set, jadi saya berencana untuk meningkatkan
hasil model yang diusulkan dengan menggunakan algoritma pelatihan seperti algoritma genetika (GA) untuk
menyetel fuzzy set parameter. Selain itu, adaptif lengkap kabur model akan dikembangkan, di mana rumus
COCOMO akan digantikan oleh sistem pakar fuzzy.

REFERENSI

[1] Idri, A. and Khoshgoftaar, T. M. and Abran, A., (2002), "Investigating Soft Computing
in Case-based Reasoning for Software Cost Estimation", Engineering Intelligent Systems
for Electrical Engineering and Communications, Vol. 10, No. 3, pp. 147-157.

[2] Putnam, L.H., (1978), A general empirical solution to the macro software sizing and
estimation problem, IEEE transactions on software engineering, Vol SE-4, No.4.

[3] Boehm, B. W., (1981), Software Engineering Economics, Prentice-Hall.

[4] Bohem, B.W., Abts, C., Brown, A.W., (2000), Software Cost Estimation with COCOMOII,
Englewood Cliffs, NJ, and USA: Prentice Hall.

[5] Zheng, Y., Wang, B., Zheng, Y., Shi, L., (2009), Estimation of software projects effort
based on function point, In Proceedings of 4th International Conference on Computer
Science & Education.