Identifikasi Ontologi Untuk Mendeteksi Kualitas Produk Perangkat Lunak Berdasarkan Kualitas Tim Pengembang

Indraswari, Chandra Kirana Jatu (2024) Identifikasi Ontologi Untuk Mendeteksi Kualitas Produk Perangkat Lunak Berdasarkan Kualitas Tim Pengembang. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6025221053-Master_Thesis.pdf Download (2MB)

Abstract

Perangkat lunak yang berfungsi dengan baik menjadi parameter kunci bagi tim yang mengadopsi metodologi Agile dalam proses pengembangan produk perangkat lunak. Sesuai dengan prinsip Agile Manifesto, faktor yang sangat penting dalam menilai kesuksesan proyek pengembangan perangkat lunak berbasis Agile adalah kualitas individu dan keseluruhan tim. Namun sayangnya, banyak pengembang perangkat lunak yang belum mengakui pentingnya hal ini. The Standish Group mengungkapkan bahwa "tim yang baik" merupakan faktor yang sangat signifikan dalam menentukan berhasil tidaknya suatu proyek perangkat lunak.
Penelitian ini akan mengusulkan prediksi dalam evaluasi yang dilakukan terhadap Product Quality (kualitas produk) yang dihasilkan oleh tim dengan komposisi tertentu. Pertama penelitian ini menggunakan penalaran berbasis ontologi tentang kualitas produk yang hendak diestimasi berdasarkan kepribadian dan perannya dalam tim, serta aturan-aturan untuk menerapkan pengetahuan dengan menggunakan SWRL (Semantic Web Rules Language). Kedua penelitian dilakukan menggunakan salah satu metode machine learning yaitu Random Forest dan Decision Tree untuk prediksi kualitas produk perangkat lunak. Penelitian ini difokuskan pada mahasiswa program D4 Teknik Informatika PENS di semester 5. Model yang dibangun akan dievaluasi menggunakan cross validation dan confusion matriks untuk memvalidasi hasil prediksi yang terbaik. Hasil penelitian dengan menggunakan metode ontology mendapatkan nilai akurasi sebesar 70% dan F1-Score sebesar 80% sedangkan menggunakan metode Random Forest dan Decision Tree mendapatkan nilai akurasi sebesar 66,67% dan F1-Score sebesar 76% dari hasil kedua metode dapat disimpulkan bahwa dengan metode Ontology jauh lebih efektif dibandingkan dengan metode Random Forest dan Decision Tree dalam identifikasi kualitas produk perangkat lunak berdasarkan tim pengembangnya.

============================================================

Well-functioning software is a key parameter for teams that adopt Agile methodology in the software product development process. In accordance with the principles of the Agile Manifesto, a very important factor in assessing the success of an Agile-based software development project is the quality of the individuals and the entire team. But unfortunately, many software developers do not yet recognize the importance of this. The Standish Group reveals that a "good team" is a very significant factor in determining the success or failure of a software project.
This research will propose predictions in the evaluation carried out on Product Quality (product quality) produced by a team with a certain composition. Firstly, this research uses ontology-based reasoning about product quality to be estimated based on personality and role in the team, as well as rules for applying knowledge using SWRL (Semantic Web Rules Language). Both studies were carried out using one of the machine learning methods, namely Random Forest and Decision Tree, to predict the quality of software products. This research is focused on students of the D4 Informatics Engineering program at PENS in semester 5. The model built will be evaluated using cross validation and confusion matrices to validate the best prediction results. The results of research using the ontology method get an accuracy value of 70% and an F1-Score of 80%, while using the Random Forest and Decision Tree methods get an accuracy value of 66.67% and an F1-Score of 76%. From the results of both methods it can be concluded that the Ontology method is much more effective than the Random Forest and Decision Tree methods in identifying the quality of software products based on the development team.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Product Quality, Agile, Machine Learning, Ontology
Subjects:	T Technology > T Technology (General) > T56.8 Project Management
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Chandra Kirana Jatu Indraswari
Date Deposited:	05 Aug 2024 05:16
Last Modified:	05 Aug 2024 05:16
URI:	http://repository.its.ac.id/id/eprint/111949

Actions (login required)

View Item