Pengembangan Sistem Deteksi Code Smell God Class dan Brain Class
| Main Authors: | Azwega, Kevin, Adam Hendra Brata, S.Kom., M.T., M.Sc., Eriq Muhammad Adams Jonemaro, S.T., M.Kom. |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/194831/1/0520150216-Kevin%20Azwega.pdf http://repository.ub.ac.id/id/eprint/194831/ |
Daftar Isi:
- Perkembangan perangkat lunak tidak dapat dipisahkan dari kehidupan manusia. Hampir semua aspek memerlukan perangkat lunak. Hal ini membuat manusia terus mengembangkan perangkat lunak yang memiliki banyak fitur. Perangkat lunak yang memiliki banyak fitur memiliki desain yang kompleks. Desain perangkat lunak yang kompleks membuat struktur kode program yang sulit dimengerti. Salah satu upaya untuk memperbaiki hal tersebut dilakukan perubahan struktur kode program agar lebih mudah dipahami dan dilakukan perawatan biasa disebut refactoring. Untuk melakukan refactoring dilakukan proses pendeteksian code smell terlebih dahulu. Code smell merupakan kecacatan struktur kode program yang sulit dimengerti menyebabkan masalah perawatan sistem perangkat lunak. Pada penelitian ini membahas code smell god class dan brain class. God class merupakan sebuah kecacatan kode program membuat suatu kelas menjadi pusat kecerdasan sistem. Kelas tersebut melakukan sebagian besar pekerjaan dan mendelegasikan sedikit pekerjaan tersebut ke kelas lain. Sedangkan brain Class merupakan kecacatan struktur kode program yang membuat suatu kelas terdapat satu atau lebih method yang memiliki kompleksitas operasi yang tinggi sehingga menjadi pusat kecerdasan dari sistem. Deteksi code smell dapat dilakukan secara manual namun hal tersebut dapat menggunakan waktu yang lama jika mendeteksi ratusan kode pada sebuah sistem perangkat lunak. Sehingga dibutuhkan kakas bantu untuk mendeteksi code smell god class dan brain class secara otomatis. Untuk mengurangi usaha programer dalam mengatasi code smell terutama god class dan brain class. Sistem deteksi ini menggunakan perhitungan software metrics sebagai alat ukur untuk klasifikasi code smell god class dan brain class. Nilai perhitungan software metrics tersebut dijadikan dasar mendeteksi code smell god class dan brain class. Sistem ini diuji dengan pengujian unit menggunakan metode whitebox, pengujian integrasi dengan metode bottom up integration dan pengujian validasi dengan menggunakan metode blackbox. Sistem ini mampu mendeteksi code smell god class dan brain class dalam waktu kurang dari satu detik dan memiliki tingkat akurasi deteksi seratus persen.