Eksperimen Seleksi Fitur Pada Parameter Proyek Untuk Software Effort Estimation dengan K-Nearest Neighbor
Abstract: Software Effort
Estimation adalah proses estimasi biaya perangkat lunak sebagai suatu proses
penting dalam melakukan proyek perangkat lunak. Berbagai penelitian terdahulu
telah melakukan estimasi usaha perangkat lunak dengan berbagai metode, baik
metode machine learning maupun non
machine learning. Penelitian ini mengadakan set eksperimen seleksi atribut pada
parameter proyek menggunakan teknik k-nearest neighbours sebagai estimasinya
dengan melakukan seleksi atribut menggunakan information gain dan mutual
information serta bagaimana menemukan
parameter proyek yang paling representif pada software effort
estimation. Dataset software estimation effort yang digunakan pada eksperimen
adalah yakni albrecht, china, kemerer
dan mizayaki94 yang dapat diperoleh dari repositori data khusus Software Effort
Estimation melalui url http://openscience.us/repo/effort/. Selanjutnya peneliti
melakukan pembangunan aplikasi seleksi atribut untuk menyeleksi parameter
proyek. Sistem ini menghasilkan dataset arff yang telah diseleksi. Aplikasi ini
dibangun dengan bahasa java menggunakan IDE Netbean. Kemudian dataset yang
telah di-generate merupakan parameter hasil seleksi yang akan dibandingkan pada
saat melakukan Software Effort Estimation menggunakan tool WEKA . Seleksi Fitur
berhasil menurunkan nilai error estimasi (yang diwakilkan oleh nilai RAE dan
RMSE). Artinya bahwa semakin rendah nilai error (RAE dan RMSE) maka semakin
akurat nilai estimasi yang dihasilkan. Estimasi semakin baik setelah di lakukan
seleksi fitur baik menggunakan information gain maupun mutual information. Dari
nilai error yang dihasilkan maka dapat disimpulkan bahwa dataset yang
dihasilkan seleksi fitur dengan metode information gain lebih baik dibanding
mutual information namun, perbedaan keduanya tidak terlalu signifikan.
Penulis: Fachruddin, Yovi
Pratama
Kode Jurnal: jptinformatikadd170263
