<![CDATA[Suatu proyek pastinya membutuhkan suatu estimasi, pada proyek pengembangan perangkat lunak estimasinya berfokus untuk memperkirakan effort apa saja yang diperlukan pada saat mengembangkan perangkat lunak dengan mencakup sumber daya, kebutuhan tenaga kerja yang diperlukan, waktu serta pengolahan jadwal kegiatannya serta berusaha menekan anggaran menjadi seminimal mungkin. Biasanya seorang Manajer proyek yang akan bertanggung jawab serta memberi keputusan untuk menangani perhitungan proyek estimasi tersebut. Seringkali membuat keputusan di bawah ketidakpastian yang tinggi adalah masalah kritis dalam pengembangan perangkat lunak. Sedangkan dalam hal Memprediksi tentunya membutuhkan suatu pengalaman tingkat lanjut dan juga alat bantu yang dapat digunakan untuk meningkatkan keakuratan prediksi tersebut. Sebuah prediksi berbasis algortima machine learning dapat memprediksi effort pengembangan perangkat lunak secara efisien dan berguna yang keakuratannya membantu memprediksi kinerja berdasarkan data historis metrik pengembangan perangkat lunak, tentu hal ini bagi manajer proyek dapat bermanfaat sebagai salah satu opsi sistem pendukung keputusan untuk meningkatkan ketepatan dalam hal memperkirakan effort pengembangan perangkat lunak. Berdasarkan latar belakang tersebut maka pada penelitian ini adalah bagaimana melakukan pengukuran untuk meningkatkan efisiensi dalam memperkirakan effort pembangunan perangkat lunak. kami mencoba membangun model estimasi regresi prediktif untuk memprediksi effort pada proses proyek pengembangan perangkat lunak, menggunakan beberapa algortima machine learning seperti Linier Regresion (LR), K-Nearest Neighbors (KNN), maupun Support Vector Machine (SVM) dan Random Forest (RF) serta Decision Tree (DT)]]>
Copyrights © 2025
