Optimasi Support Vector Regression dengan Particle Swarm Optimization untuk Software Effort Estimation
| Main Author: | Novitasari, Dinda |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2015
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/146251/1/DINDA_NOVITASARI_-_115060800111007_-_Skripsi.pdf http://repository.ub.ac.id/146251/ |
Daftar Isi:
- Software effort estimation memainkan peran penting pada proyek perangkat lunak. Hal ini dikarenakan jika hasil estimasi tidak akurat, maka akan memberikan dampak negatif untuk pengembang dan klien perangkat lunak. Beberapa metode untuk software effort estimation telah dikembangkan tetapi mempunyai kelemahan yan mendasar; keterlibatan subyektifitas selama proses estimasi yag dapat menurunkan tingkat akurasi estimasi. Maka dari itu, diperlukan pendekatan lain untuk menghilangkan keterlibatan subyektifitas yaitu menggunakan machine learning. Salah satu metode machine learning yang dapat digunakan yaitu Support Vector Regression (SVR). Namun, terdapat 2 permasalahan yang dihadapi ketika menggunakan metode ini; pemilihan fitur yang akan digunakan dan pencarian kombinasi parameter yang optimal. Semua permasalahan ini dapat diselesaikan dengan pengoptimasian. Salah satu metode optimasi yang dapat digunakan yaitu Particle Swarm Optimization (PSO). PSO dipilih karena telah terbukti memiliki kinerja yang baik dalam pemilihan fitur dan pencarian kombinasi parameter yang optimal. Penelitian ini menggunakan 77 data proyek perangkat lunak. Dimensi partikel yang digunakan bernilai diskrit dan kontinu. Fungsi objektif PSO bertipe cost juga digunakan dalam penelitian ini. Hasil dari uji coba menunjukkan bahwa estimasi dapat menghasilkan tingkat error sebesar 0,5907 dan hasil yang lebih baik daripada metode trial and error. Dari hasil tersebut, dapat disimpulkan bahwa PSO dapat menyelesaikan permasalahan optimasi SVR dalam software effort estimation.