<![CDATA[Software Effort Estimation merupakan proses estimasi perangkat lunak sebagai suatu proses yang penting dalam proyek perangkat lunak. Berbagai penelitian yang sudah dilaksanakan sudah melakukan estimasi perangkat lunak dengan berbagai metode, baik metode machine learning maupun non machine learning. Penelitian ini dengan menggunakan data set eksperimen seleksi atribut forword selection dan optimasi Particle Swarm Optimization pada parameter proyek menggunakan teknik regresi linier sebagai estimasinya. Dataset software estimation effort yang digunakan dalam penelitian ini adalah yakni Albrech, Kamrer, Desharnais, Maxwell, Kitchenham CSC, Cocomo NASA v1, Cocomo NASA v2. Setelah itu peneliti melakukan seleksi atribut dan optimasi digunakan sebagai seleksi parameter proyek, hasil seleksi yang akan dibandingkan pada saat melakukan Software Effort Estimation menggunakan aplikasi Rapid Minner. Namun terdapat dua dataset yaitu Maxwell dan Cocomo Nasa V2 baik nilai RMSE maupun nilai AE tidak mengalami penurunan, sedangkan pada dataset Albrecth dan China untuk nilai AE juga tidak mengalami penurunan, Estimasi untuk dataset lainya semakin baik setelah di lakukan seleksi fitur forword selection dan optimalisasi Particle Swarm Optimization. Hal tersebut menunjukan bahwa semakin rendah nilai error AE dan RMSE maka semakin tepat nilai estimasi yang dihasilkan.Berdasarkan nilai RMSE dan AE yang dihasilkan maka dapat disimpulkan bahwa dataset yang dihasilkan seleksi atribut forword selection dan optimalisasi Particle Swarm Optimization menggunakan algoritma linier regresi dataset Albrecht menunjukan hasil lebih baik dibanding dataset lainya. Kata Kunci : Software Effort Estimation, Regresi Linier, Forword Selection, Particle Swarm Optimization.]]>
