PREDIKSI REUSABILITY PADA KODE PROGRAM PERANGKAT LUNAK ECLIPSE MYLYN DENGAN PENDEKATAN FUZZY INFERENCE SYSTEM MAMDANI

• MOCHAMMAD ABDUL AZIS
• 14002294

---

ABSTRAK

ABSTRAK

 

 

Nama               : Mochammad Abdul Azis

NIM                   14002294

Program Studi : Ilmu Komputer Jenjang : Strata Dua (S2) Konsentrasi : Data Mining

Judul                : “Prediksi Reusability Pada Kode Program Perangkat Lunak Eclipse Mylyn Dengan Pendekatan Fuzzy Inference System Mamdani”

 

Pengujian perangkat lunak dapat menggunakan metrik untuk meningkatkan produktivitas perangkat lunak agar bisa pengembang mengenali gejala tentang dimana mutu kode program bisa mempengaruhi fitur perangkat lunak, ini sangat bermanfaat dalam menyederhanakan proses pengujian dengan memfokuskan programmer pada bagian mutu kode dari program, Metrik bisa di peruntukan buat mengukur tingkatan mutu kode program sebuah model berdasarkan indikator dari Chidamber Kemerer(CK) metrics Bug prediction yang terdapat pada aplikasi eclipse mylyn yang terdiri dari 6 properti ialah WMC, DIT, NOC, CBO, RFC dan LCOM untuk membuktikan klasifikasi kedalam Low, Medium, High yang bisa diartikan memiliki kualitas yang baik dan penegasan nilai dari meotode deffuzzyfykasi pada kasus ini dilakukan dengan menggunakan metode COA (centre of area) untuk menentukan nilai akhir yang didapat dari fungsi keanggotaan yang terberntuk dari peroses komposisi semua output.

 

Kata Kunci : fuzzy inference system mamdani, kualitas perangkat lunak,

KATA KUNCI

Fuzzy Logic,Fuzzy Inference System

---

DAFTAR PUSTAKA

DAFTAR REFERENSI

 

 

1. Moser, R., Pedrycz, W., & Succi, G. (2008). A Comparative analysis of the efficiency of change metrics and static code attributes for defect prediction. Proceedings - International Conference on Software Engineering, 181–190. https://doi.org/10.1145/1368088.1368114.
2. Singh, S., Mittal, P., & Kahlon, K. S. (2013). Empirical model for predicting high, medium and low severity faults using object oriented metrics in Mozilla Firefox. International Journal of Computer Applications in Technology, 47(2–3), 110–124. https://doi.org/10.1504/IJCAT.2013.05434.
3. Khan, Y. A., Elish, M. O., & El-Attar, M. (2012). A systematic review on the impact of CK metrics on the functional correctness of object-oriented classes. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 7336 LNCS(PART 4), 258–273. https://doi.org/10.1007/978-3-642-31128-4_19.
4. Halim, A., Sim, A. X. A., Gabyola, -, & Hartono, -. (2015). Mengukur Tingkat Reusability dan Efficiency dari Kode Program dengan Pendekatan Fuzzy Logic. Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), 4(3), 109. https://doi.org/10.23887/janapati.v4i3.9789
5. Padhy, Neelamadhab, Satapathy, S. C., & Singh, R. P. (2019). Estimation of complexity by using an object oriented metrics approach and its proposed algorithm and models. International Journal of Networking and Virtual Organisations, 21(1), 43–62. https://doi.org/10.1504/IJNVO.2019.101147
6. D’Ambros, M., Lanza, M., & Robbes, R. (2010). An Extensive Comparison of Bug Prediction Approaches. Proceedings of the International Conference on Mining Software Repositories (MSR), 31–41. Retrieved from.
7. Sandhu, P. S., & Singh, H. (2008). A Reusability Evaluation Model for OO- Based Software Components. Journal of Computer Science, 2(3), 912–917.
8. Goel, B. M., & Bhatia, P. K. (2011). Analysis fof Software Measurement the CK Metrics for Object-Oriented Design Complexity?. International Conference on Advanced Computing & Communication Technologies, 59– 62.

 

 

66

Program Studi Ilmu Komputer (S2) STMIK Nusa Mandiri

 

 

9. Suresh, Y., Pati, J., & Rath, S. K. (2012). Effectiveness of Software Metrics for Object-oriented System. Procedia Technology, 6, 420–427. https://doi.org/10.1016/j.protcy.2012.10.050
10. Siren, V. A. K., Setiawan, N. Y., & Rokhmawati, R. I. (2019). Evaluasi Kualitas Perangkat Lunak Menggunakan ISO / IEC 9126-4 Quality In Use ( Studi Kasus?: FILKOM Apps ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(2), 1625–1632. Retrieved from http://j- ptiik.ub.ac.id/index.php/j-ptiik/article/view/4537
11. Mago, J., Kaur, S., & Saurabh, K. (2012). Fuzy Model to Analyze and Interpret Object Oriented Software - Mago.
12. Jang, J. R. (1995). Neuro-Fuzzy Modeling. 83(3).
13. Ho, D., Capretz, L. F., Singh, B., & Kannojia, S. P. (2019). Analysis of object-oriented system quality model using soft computing techniques.
14. Saelan, A. (2009). Logika Fuzzy. Struktur Diskrit, 1(13508029), 1–5.
15. K, A. H., Suyatno, A., & Rahayu, J. (2011). Simulasi Pendaratan Pesawat Terbang Jenis Cassa 212 Menggunakan Logika Fuzzy. Jurnal.
16. Wahab, F., Sumardiono, A., Al Tahtawi, A. R., & Mulayari, A. F. A. (2017). Desain dan Purwarupa Fuzzy Logic Control untuk Pengendalian Suhu Ruangan. Jurnal Teknologi Rekayasa, 2(1), 1.

https://doi.org/10.31544/jtera.v2.i1.2017.1-8

17. Rodiah, R., Haryatmi, E., Fitrianingsih, F., & Mashura, M. Y. (2015). Penerapan Fuzzy Logic Inference System Metode Mamdani Sebagai Penunjang Diagnosis Kanker Paru. Conference: Forum Informatika Kesehatan Indonesia, At Yogyakarta, (April).
18. Utara, U. S., & Utara, U. S. (2018). Analisis Kinerja Fuzzy AHP dalam Perangkingan.
19. Suryawati, E. (2013). Fuzzy model for predicting reusability factor of a software model = Model Fuzzy untuk memprediksi faktor reusability sebuah perangkat lunak. Inkom, 7(1), 21–27.
20. Padhy, Neelamdhab, Singh, R. P., & Satapathy, S. C. (2018). Software reusability metrics estimation: Algorithms, models and optimization techniques. Computers and Electrical Engineering, 69, 653–668. https://doi.org/10.1016/j.compeleceng.2017.11.022

21. Suresh, Y., Kumar, L., & Rath, S. K. (2014). Statistical and Machine Learning Methods for Software Fault Prediction Using CK Metric Suite: A Comparative Analysis. ISRN Software Engineering, 2014, 1–15. https://doi.org/10.1155/2014/251083
22. Babich, D., Clarke, P. J., Power, J. F., & Kibria, B. M. G. (2011). Using a class abstraction technique to predict faults in OO classes: A case study through six releases of the Eclipse JDT. Proceedings of the ACM Symposium             on                    Applied                   Computing,  1419–1424. https://doi.org/10.1145/1982185.1982492
23. Jamal, Utami, E., & Amborowati, A. (2015). Analisis Perbandingan Aplikasi Web Berdasarkan Quality Factors Dan Object Oriented Design Metrics. DASI (Data Manajemen Dan Teknologi Informasi), 16(3), 68–78.
24. Padhy, Neelamadhab, Satapathy, S. C., & Singh, R. P. (2019). Estimation of complexity by using an object oriented metrics approach and its proposed algorithm and models. International Journal of Networking and Virtual Organisations, 21(1), 43–62. https://doi.org/10.1504/IJNVO.2019.101147
25. Suresh, Y., Kumar, L., & Rath, S. K. (2014). Statistical and Machine Learning Methods for Software Fault Prediction Using CK Metric Suite: A Comparative Analysis. ISRN Software Engineering, 2014, 1–15. https://doi.org/10.1155/2014/251083.